DataSet 的相关内容

  1. Dataset: PyTorch的数据集类
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
from torch.utils.data import Dataset  # Dataset: PyTorch的数据集类
from PIL import Image  # PIL: Python的图像处理库，Pillow是PIL的一个分支
import os  # os: Python的标准库，提供了丰富的方法来处理文件和目录


class MyData(Dataset):  # 继承Dataset类
    def __init__(self, root_dir, lable_dir):  # 初始化函数
        self.root_dir = root_dir  # 数据集的根目录
        self.lable_dir = lable_dir  # 数据集的标签
        self.path = os.path.join(self.root_dir, self.lable_dir)  # 数据集的路径
        self.img_path = os.listdir(self.path)  # 数据集的图片路径 返回指定的文件夹包含的文件或文件夹的名字的列表

    def __len__(self):  # 返回数据集的长度
        return len(self.img_path)

    def __getitem__(self, idx):  # 返回数据集的一个样本
        img_name = self.img_path[idx]  # 获取图片的名称
        img_item_path = os.path.join(self.path, img_name)  # 获取图片的路径
        img = Image.open(img_item_path)  # 读取图片
        lable = self.lable_dir  # 获取图片的标签
        return img, lable  # 返回图片和标签


root_dir = 'dataset/train'  # 数据集的根目录
ants_root_dir = 'ants_image'  # 蚂蚁的数据集
bees_root_dir = 'bees_image'  # 蜜蜂的数据集
ants_dataset = MyData(root_dir, ants_root_dir)  # 蚂蚁的数据集
bees_dataset = MyData(root_dir, bees_root_dir)  # 蜜蜂的数据集
  1. 据训练集生成标签集lable
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    import os

    root_dir = "dataset/train"
    target_dir = "bees_image"
    img_path = os.listdir(os.path.join(root_dir, target_dir))
    lable = target_dir.split('_')[0]
    out_dir = "bees_lable"
    for i in img_path:
        file_name = i.split('.jpg')[0]
        with open(os.path.join(root_dir, out_dir, "{}.txt".format(file_name)), 'w') as f:
            f.write(lable)

TensorBoard 的相关操作

  1. 如何打开Tensorboard 的logs事件文件,port是指定打开的端口号，默认是6006 documentation
    1
    tensorboard --logdir=logs --port=6006
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    from torch.utils.tensorboard import SummaryWriter  # Summary Writer是一个用于写入TensorBoard的类

    import numpy as np
    from PIL import Image

    writer = SummaryWriter('logs')  # 创建一个SummaryWriter对象，指定存储路径写入logs文件夹事件文件

    ## PIL图像类型转为numpy类型
    img_PIL = Image.open("dataset/train/ants_image/0013035.jpg")  # 打开一张图片
    print(type(img_PIL))
    img_array = np.array(img_PIL)  # 将PIL图像转为numpy数组
    print(type(img_array))

    writer.add_image("test", img_array, 1, dataformats='HWC')  # 添加图像到日志文件中 dataformats='HWC'表示数据格式为高度、宽度、通道数

    for i in range(100):
        writer.add_scalar("y=x", i, i)  # 添加标量数据 第一个参数是标签，第二个参数是数据，第三个参数是迭代次数 参数标签手动输入

    writer.close()  # 关闭SummaryWriter对象