pytorch:获取给定ImageFolder数据集的类数
PyTorch是一个开源的深度学习框架，它提供了丰富的工具和库，用于构建、训练和部署各种机器学习和深度学习模型。对于给定的ImageFolder数据集，我们可以使用PyTorch来获取其类数。
ImageFolder是PyTorch提供的一个数据集类，用于加载包含图像数据的文件夹。该类会自动根据文件夹的结构来确定每个类别的图像，并为每个图像分配一个标签。
要获取给定ImageFolder数据集的类数，可以按照以下步骤进行操作：
- 首先，导入必要的PyTorch库：
import torchvision.datasets as datasets- 定义ImageFolder数据集的路径，例如：
data_path = 'path_to_dataset_folder'- 使用datasets.ImageFolder加载数据集：
dataset = datasets.ImageFolder(root=data_path)- 使用dataset.classes获取数据集中所有类别的列表：
classes = dataset.classes- 使用len(classes)获取数据集的类数：
num_classes = len(classes)在上述步骤中，我们使用了PyTorch的datasets模块中的ImageFolder类来加载数据集。通过调用dataset.classes，我们可以获取数据集中所有类别的列表。最后，使用len(classes)可以获取数据集的类数。
在腾讯云中，有一些与PyTorch相关的产品和服务可以使用，例如：
- 腾讯云机器学习平台（Tencent AI Lab）：提供了基于云端的深度学习平台，可以用于训练和部署PyTorch模型。
- 腾讯云GPU云服务器：提供了强大的GPU计算能力，适用于加速深度学习模型的训练和推理。
- 腾讯云对象存储（COS）：用于存储和管理大规模的图像数据集。
- 腾讯云容器服务（Tencent Kubernetes Engine，TKE）：提供了容器化部署和管理PyTorch模型的能力。
请注意，以上产品和服务仅作为示例，具体的选择取决于您的需求和实际情况。
希望以上回答能够满足您的需求，如有任何疑问，请随时提问。
相关·内容
我正在使用pytorch来构建DCGAN，我的目标是在自定义数据集上进行培训。
我已经发布了一个关于在小型数据集上培训DCGAN的问题，当然，答案是数据增强。
但我有个问题。我正在PyTorch中编码，我想对表示我加载的数据集的现有ImageFolder对象执行几种不同的转换。
我们的想法是执行，比方说大约5种不同的转换，在执行每个转换之后，我想通过向数据集中添加新转换的图像来扩展数据集。下面是伪代码：
list_of_transformations = ['random_crop','center_crop','color_jitter',&#
浏览 0提问于2018-02-08得票数 2
回答已采纳
我的数据是图像，存储在文件系统中，并通过PyTorch的ImageFolder数据加载器输入到我的卷积神经网络中。因此，training、validation和test数据被手动拆分到文件系统上的不同文件夹中。那么，在使用ImageFolder时如何应用k-fold cross validation呢
浏览 58提问于2020-01-09得票数 2
我想用PyTorch训练一个卷积神经网络(CNN)来预测与输入图像相关的频谱数据。我不是为每个图像(狗、猫、汽车、飞机等)分配一个标签，而是为每个图像分配一个标签矩阵(每个频率一个标签)。在PyTorch中，如何将数据矩阵作为标签分配给数据集中的每个输入图像？我一直在尝试使用ImageFolder来做到这一点。谢谢!
浏览 27提问于2019-02-15得票数 0
我正在用PyTorch编写一个著名问题PyTorch的代码.我下载了培训和测试数据集(从主要网站)，包括标记的数据集。数据集格式为t10k-images-idx3-ubyte.gz和提取后的t10k-images-idx3-ubyte。我的dataset文件夹看起来像
MINST
Data
train-images-idx3-ubyte.gz
train-labels-idx1-ubyte.gz
t10k-images-idx3-ubyte.gz
t10k-labels-idx1-ubyte.gz
现在，我编写了一个代码来加载数据，如
def load_dataset():
浏览 3提问于2020-09-26得票数 1
回答已采纳
我使用以下命令将图像加载到pytorch： train_data = torchvision.datasets.ImageFolder(train_dir, transform=transform) 有一些我想省略的样本。 我可以从加载程序中删除某些图像吗？(按索引？按名称？)Thx
浏览 51提问于2020-11-19得票数 1
回答已采纳
已尝试在Colab中使用pytorch torch.datasets.ImageFolder加载训练数据。
transform = transforms.Compose([transforms.Resize(400),
transforms.ToTensor()])
dataset_path = 'ss/'
dataset = datasets.ImageFolder(root=dataset_path, transform=transform)
dataloader = torch.utils.data.Data
浏览 225提问于2021-07-03得票数 0
我有一个pytorch ImageFolder。我看到ImageFolder的__getitem__(index)方法可以同时获得索引的张量和类。但是，如果我想使用ImageFolder从我选择的一个类(或多个类)中随机抽取一定数量的图像，然后为__getitem__方法获取它们的索引，该怎么办？(有点像反向操作，即选择类-> get index而不是选择index -> get class)
如何做到这一点？
浏览 3提问于2018-08-12得票数 0
3回答
尝试在Py火炬中加载自定义数据集
、、、、
我刚开始使用PyTorch，不幸的是，在使用自己的培训/测试图像数据集作为自定义算法时，我有点困惑。首先，我正在制作一个小的“你好世界”-esque卷积衬衫/袜子/裤子分类网络。我只加载了几个映像，只需要确保PyTorch能够加载它们，并将它们正确地转换为32x32可用的映像。我的ImageFolder设置如下：
imgs/短袜/套接字
长裤/裤子/裤子
imgs/衬衫/衬衫
和类似的设置我的测试图像文件夹。根据我目前的知识，内置到PyTorch中的图像加载程序应该从培训/测试图像中的子文件夹名称中读取标签。但是，我收到一个TypeError抱怨我的迭代器不可迭代。下面是我的代码和错误：
浏览 2提问于2017-04-16得票数 4
我喜欢交替增强图像。我有如下pytorch转换代码。 import torchvision.transforms as tt
from torchvision.datasets import ImageFolder
#Data transform (normalization & data augmentation)
stats = ((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
train_tfms = tt.Compose([tt.RandomCrop(32, padding = 4, padding_mode =
浏览 11提问于2020-11-22得票数 0
我是PyTorch新手，正在尝试创建一个TransferLearning模型。
我使用的是Kaggle的。
我使用ImageFolder加载数据，每个类都需要一个文件夹。但是测试文件夹中的照片是mixed.So的，我无法将测试文件夹中的图像分开。除了用手标记所有测试数据之外，我还能做些什么来解决这个问题呢？
浏览 36提问于2021-07-22得票数 1
2回答
我在一所大学，所有的文件系统都在远程系统中，无论我用我的账号登录到哪里，我总是可以访问我的主目录。即使我通过SSH命令登录到GPU服务器。这就是我使用GPU服务器读取数据的条件。
目前，我使用PyTorch在ImageNet上从头开始训练ResNet，我的代码只使用同一台计算机上的所有GPU，我发现"torchvision.datasets.ImageFolder“几乎需要两个小时。
你能提供一些关于如何加速torchvision.datasets.ImageFolder的经验吗？非常感谢。
浏览 2提问于2019-01-16得票数 3
尽管我使用的是与FashinMNIST不同的数据集，但我想创建一个显示为here的混淆矩阵。具体地说，我希望轴包含“香蕉”、“橙子”、“黄瓜”等名称。我有一个文件夹，其中存储了香蕉等的图像，我使用PyTorch's ImageFolder class加载该文件夹。现在，PyTorch自动将数字0到9赋给我的类(我总共有10个类)，但是我不确定标签"banana“是否总是获得相同的数字0。 在使用ImageFolder类时，如何找出哪个索引属于哪个标签(子文件夹名)？
浏览 32提问于2021-06-19得票数 0
回答已采纳
我是深度学习和Pytorch的新手。我有6000张图片的数据集，其中所有四个类别都在一个文件夹中。我使用以下代码片段来上传我的数据。
torchvision.datasets.ImageFolder(root='/content/drive/My Drive/DFU/base_dir/train_dir', transform=None)
我在ImageFolder上读到，图像应该根据类标签组织到子文件夹中。但是，我的数据集在单个文件夹中包含所有四个类图像。我有一个.csv文件，其中包含每个图像的one-hot编码类标签。如何将我的数据集加载到Pytorch？
浏览 0提问于2021-05-26得票数 1
2回答
Pytorch:图像标签
、、、
我正在开发一个有31个类的图像分类器(Office数据集)。每个类都有一个文件夹。我有一个使用PyTorch编写的python脚本，它使用datasets.ImageFolder加载数据集，并为每个图像分配一个标签，然后训练。以下是我用于加载数据的代码片段：
from torchvision import datasets, transforms
import torch
def load_training(root_path, dir, batch_size, kwargs):
transform = transforms.Compose(
[transforms.
浏览 38提问于2018-08-18得票数 17
回答已采纳
我学PyTorch已经好几个星期了。当我使用CIFAR-10来自PyTorch数据集的数据集时，我还考虑使用ImageFolder类，所以我找到了一个来自卡格尔的Cifar-10版本，其中的图像是折叠的。(我不记得PyTorch数据集是tar.gz格式的，而不是文件夹结构的)
令我惊讶的是，尽管使用了相同的损失函数、学习速度和体系结构，的Kaggle数据集测试集的精度从0.18开始，而PyTorch数据集的精度从时代1.的0.56开始。
在经历了20个年代之后，其中一个几乎饱和在0.45附近，而后者则几乎固定在0.86附近。
我检查了一遍又一遍，但没有发现这两种密码有什么大的区别。我真的很想知
浏览 2提问于2020-12-01得票数 1
我使用以下代码从特定文件夹中读取数据集，并将其划分为训练和测试子集。我可以使用列表理解来获得每个子集的所有数据和目标，但对于大数据来说，它非常慢。有没有其他快速的方法来做到这一点？ def train_test_dataset(dataset, test_split=0.20):
train_idx, test_idx = train_test_split(list(range(len(dataset))), test_size=test_split, stratify=dataset.targets)
datasets = {}
train_dataset = Su
浏览 19提问于2021-08-23得票数 1
2回答
我是PyTorch的新手。任务-创建培训、验证和测试类。
数据：
带有2列的CSV文件
其中id是存储在列车和test1目录中的图片的名称。
具有训练和测试数据映像的目录.
到目前为止我的代码是：
**import torch
import torch.nn as nn
import torch.optim as optim
import torch.utils.data
import torch.nn.functional as F
import torchvision
from torchvision import transforms
from PIL import Image
浏览 3提问于2021-07-03得票数 0
2回答
我试着用PyTorch制作一个简单的图像分类器。我是这样将数据加载到dataset和dataLoader中的：
batch_size = 64
validation_split = 0.2
data_dir = PROJECT_PATH+"/categorized_products"
transform = transforms.Compose([transforms.Grayscale(), CustomToTensor()])
dataset = ImageFolder(data_dir, transform=transform)
indices = list(rang
浏览 6提问于2020-06-11得票数 10
回答已采纳
我目前正在使用PyTorch在CNN上做实验，我想要完成的任务是对图像进行分类。
我知道，使用torchvision.datasets.ImageFolder可以帮助加载所有图像从我的培训文件夹，根据每个子文件夹的名称作为标签。
我计划从ImageFolder中随机获取n个图像，但据我所知，ImageFolder没有任何机制可以加载图像的n个数字 of ，其中n是从1到所有可用图像的任意数字。
我怎么能这么做？谢谢你的帮助
浏览 7提问于2019-11-23得票数 3
回答已采纳
例如，对于cifar10数据集，直接使用pytorch自带的数据集，在相同的网络结构下，准确率可以达到96%，但我将cifar10转换成图片后，我对其进行了测试，准确率仅为92%。为什么？ 这是前面的代码： train_dataset = dset.CIFAR10(args.data_path, train=True, transform=train_transform, download=True)
test_dataset = dset.CIFAR10(args.data_path, train=False, transform=test_transform, download=True
浏览 26提问于2020-08-11得票数 1
我有一个目录，将多个图像分隔到文件夹中。每个文件夹有多达3000张图像。我想要修改pytorch getitem函数，以便它返回图像袋，其中每个包包含10个图像。
以下是我到目前为止所拥有的：
transform = transforms.Compose([transforms.Resize(255),
transforms.CenterCrop(224),
transforms.ToTensor()
])
dataset = d
浏览 2提问于2022-06-16得票数 0
我已经将我的GitHub存储库克隆到google colab中，并尝试使用PyTorch的DataLoader加载数据。
global gpu, device
if torch.cuda.is_available():
gpu = True
device = 'cuda:0'
torch.set_default_tensor_type('torch.cuda.FloatTensor')
print("Using GPU")
else:
gpu = False
device = 'cpu
浏览 0提问于2019-11-28得票数 2
当涉及到采用默认数据集(例如datasets.ImageFolder)的Pytorch时，我们可以找到数据中心与len(dataloader)一起使用的数据集的大小。然而，WebDataset呢？由于WebDataset是一个PyTorch数据集，是否有可能获得加载程序的大小，而该加载程序需要一个WebDataset？
浏览 41提问于2022-10-01得票数 1
1回答
我正在尝试解决狗-vs-猫对卡格尔的挑战，使用已经提供了在Udacity课程。我已经将文件重新排列到dogs/和cats/目录中的两个文件夹中，以便ImageFolder类能够获取这些类别，但是不知道在测试文件夹中做什么？我还没准备好标签。
我只是不使用ImageFolder API (似乎课程使用了它，所以它应该是可用的，而且显然非常方便)，还是在还不知道类的情况下可以选择使用它。我在正式文件中找不到这方面的任何内容，但应该有可能看到课程解决办法就是这样做的。谢谢你的帮助。
浏览 4提问于2019-12-11得票数 1
回答已采纳
我有以下代码：
import torch
from facenet_pytorch import InceptionResnetV1, MTCNN
from torch.utils.data import DataLoader
from torchvision import datasets
import numpy as np
import pandas as pd
import os
workers = 0 if os.name == 'nt' else 4
device = torch.device('cuda:0' if torch.cuda.is_
浏览 4提问于2022-06-12得票数 2
回答已采纳
我需要加载Python以实现以下文件: CelebA 加载CelebA数据集的原始代码是使用MatConvNet和autonn (源15 )编写的。我有源代码，但我不确定是否可以共享它。
这是我第一次使用Pytorch(版本1.9.0+cu102)并在计算机视觉中进行论文实现。
我查看了以下相关问题：
并测试了用户anurag提出的解决方案：
不幸的是，我仍然得到一个语法错误。
下面的代码如下：
import torchvision
from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoa
浏览 1提问于2021-09-08得票数 0
我正在学习关于的教程。每当我试图加载CelebA数据集时，torchvision就会耗尽我所有的运行时内存(12‘s)和运行时崩溃。我在寻找如何在不占用运行时资源的情况下加载和应用转换到数据集的方法。
再生产
下面是代码中引起问题的部分。
# Root directory for the dataset
data_root = 'data/celeba'
# Spatial size of training images, images are resized to this size.
image_size = 64
celeba_data = datasets.Celeb
浏览 16提问于2021-01-01得票数 5
回答已采纳
问题是关于的PyTorch网站。我不知道他们是如何在没有计算的情况下写出in transforms.Normalize的std_pix和std_pix值的
我在StackOverflow上找不到与这个问题相关的任何解释。
import torch
from torchvision import transforms, datasets
data_transform = transforms.Compose([
transforms.RandomSizedCrop(224),
transforms.RandomHorizontalFlip(),
浏览 0提问于2019-08-17得票数 11
回答已采纳
我在文件夹中有一些数据集，我正在使用concat数据集来连接它们。因此，我有类似于这样的数据文件夹(请注意，文件夹1和2只有1个类而不是2个)：
-表示子文件夹
folder0
-cats
-dogs
folder1
-cats
folder2
-cats
folder3
-dogs
然后我做了这个：
trainset1 = datasets.ImageFolder(folder0, loader=my_loader, transform=SomeAug())
trainset2 = datasets.ImageFolder(folder1, loader=my_
浏览 5提问于2022-02-18得票数 1
回答已采纳
据我所知，RandomHorizontalFlip等代替了图像，而不是向数据集添加新图像。如何通过使用PyTorch向数据集添加增强图像来增加数据集的大小？
我已经浏览了发布的链接&还没有找到解决方案。我想通过添加翻转/旋转图像来增加数据大小，但是文章解决了图像的就地处理问题。
谢谢。
浏览 3提问于2019-03-03得票数 3
回答已采纳
我想使用创建图像数据集。
我当前的图像目录结构如下所示：
/root
-- train/
---- 001.jpg
---- 002.jpg
---- ....
-- test/
---- 001.jpg
---- 002.jpg
---- ....
I希望有一个专门用于培训数据的数据集和一个专门用于测试数据的数据集。
据我所知，这样做：
dataset = ImageFolder(root='root/train')
找不到任何图像。
正在做什么
dataset = ImageFolder(root='root')
查找图片，但train和test图像只是加扰
浏览 0提问于2019-03-30得票数 1
我正在使用一个非torchvision数据集，并且我已经用ImageFolder方法提取了它。我正在尝试将数据集分为20%的验证集和80%的训练集。我只能在PyTorch库中找到这个方法(random_split)，它允许拆分数据集。然而，这每次都是随机的。我想知道有没有一种方法可以在PyTorch库中拆分具有特定数量的数据集？
这是我提取数据集并随机拆分的代码。
transformations = transforms.Compose([
transforms.Resize(255),
transforms.CenterCrop(224),
transforms.To
浏览 1提问于2020-05-06得票数 1
我目前正在尝试使用一个堆栈，一组图像，作为一个单一的实体，为每个标签，以培训CNN使用交叉验证。给定224x224x1灰度图像的数据集，按：
Root/
Class0/image0_view0.png
Class0/image0_view1.png
Class0/image0_view2.png
...
Class1/image0_view0.png
Class1/image0_view1.png
Class1/image0_view2.png
如何将3个图像(视图0、1和2)作为维度为224x224x3 (3幅灰度图像)的单个张量进行处
浏览 2提问于2019-11-19得票数 5
回答已采纳
我是pytorch的新手。我正在尝试为图像数据集创建一个DataLoader，其中每个图像都有一个对应的基本事实(同名)： root:
--->RGB:
------>img1.png
------>img2.png
------>...
------>imgN.png
--->GT:
------>img1.png
------>img2.png
------>...
------>imgN.png 当我使用根文件夹的路径(包含RGB和GT文件夹)作为torchvision.datasets.ImageFolder的输入时，它读取
浏览 12提问于2019-12-24得票数 0
回答已采纳
假设我使用的是以下调用：
trainset = torchvision.datasets.ImageFolder(root="imgs/", transform=transform)
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,suffle=True,num_workers=1)
据我所知，这将将培训集定义为由文件夹“图像”中的所有图像组成，并由特定文件夹位置定义的标签。
我的问题是-是否有任何直接/简单的方法来定义训练集作为这个文件夹中图像的子样本？例如，将培训集定义为每个子文件夹中的10幅图
浏览 2提问于2018-06-11得票数 4
回答已采纳
我使用以下步骤使用OpenCV对单个图像进行预处理.现在，我想将这些预处理步骤应用到我的整个数据集中，然后再在Pytorch中训练模型。这是如何做到的呢？
im = cv2.imread(image_path)
im_nonoise = cv2.medianBlur(im, 3)
imgray = cv2.cvtColor(im_nonoise,cv2.COLOR_BGR2GRAY)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(imgray)
ret,thresh = cv2.thre
浏览 4提问于2020-03-14得票数 0
回答已采纳
我对毕道尔和CNN很陌生。我对数据预处理有点困惑。不知道如何处理transform.Normalising数据集(本质上，如何计算自定义数据集的平均值和std ?)
我正在使用ImageFolder加载数据。这些图像大小不一。
train_transforms = transforms.Compose([transforms.Resize(size=224),
transforms.ToTensor(), transforms.Normalize((?), (?))
浏览 1提问于2018-09-25得票数 2
回答已采纳
我目前正在加载一个文件夹与人工智能培训数据在其中。子文件夹表示标签名，其中包含相应的图像。使用pyTorch的ImageFolder加载器可以很好地工作。
def load_dataset():
data_path = 'C:/example_folder/'
train_dataset_manual = torchvision.datasets.ImageFolder(
root=data_path,
transform=torchvision.transforms.ToTensor()
)
train_lo
浏览 5提问于2020-02-10得票数 5
回答已采纳
1回答
我正在用火炬训练图像分类模型，并使用他们的来加载我的训练数据。我有一个非常大的训练数据集，所以通常每堂课有几千张样本图像。我曾经训练过大约20万张图片的模特，在过去没有任何问题。然而，我发现，当总共有超过100万张图像时，Pytorch数据加载器就会卡住。
我相信当我打电话给datasets.ImageFolder(...)时，代码已经挂起了。当我Ctrl时，这是一致的输出：
Traceback (most recent call last):
浏览 0提问于2020-02-11得票数 2
回答已采纳
因此，我需要访问安装ImageNet的远程机器。我已经在本地计算机上下载了训练神经网络所需的tar，我使用random_split()将每个tar拆分为80%的训练集、10%的valset和10%的testset。每组图像的名称都被附加到txt文件中，我希望使用该文件作为检查通道。
所以，我编写了python脚本，我想在远程机器上启动它。该文件必须经过ImageNet数据库的文件夹，并且基于我发送到机器的txt文件，只包括文件中“命名”的图片。下面是剧本：
import os
import torch
from torch.utils.data import random_split
from
浏览 13提问于2022-03-04得票数 1
我使用从numpy数组创建数据集。
# convert numpy arrays to pytorch tensors
X_train = torch.stack([torch.from_numpy(np.array(i)) for i in X_train])
y_train = torch.stack([torch.from_numpy(np.array(i)) for i in y_train])
# reshape into [C, H, W]
X_train = X_train.reshape((-1, 1, 28, 28)).float()
# create dataset a
浏览 0提问于2019-04-09得票数 20
回答已采纳
当迭代PyTorch数据加载器时，例如 # define dataset, dataloader
train_data = datasets.ImageFolder(data_dir + '/train', transform=train_transforms)
test_data = datasets.ImageFolder(data_dir + '/test', transform=test_transforms)
trainloader = torch.utils.data.DataLoader(train_data, batch_size=64, sh
浏览 20提问于2019-01-30得票数 1
回答已采纳
1回答
我无法从他们的官方网站下载原始的ImageNet数据集。然而，我发现pytorch将ImageNet作为其torch视觉数据集之一。
Q1。这是原始的ImageNet数据集吗？
Q2。如何像在Cifar-10中那样获取数据集的类
classes = [‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’]
浏览 6提问于2020-03-10得票数 5
回答已采纳
在我的数据集中，有6个类，每个类有23张图片
我使用torchvision.dataset让ImageFolder运行得很好。
dataset = vision_dataset.ImageFolder(root = DATA_ROOT,
transform = vision_trans.Compose([
vision_trans.Resize(256),
浏览 0提问于2021-02-04得票数 0
我正在启动一个使用PyTorch的图像分割项目。我有一个减少的数据集在一个文件夹和两个子文件夹-“图像”来存储图像和蒙面图像的“掩码”。图像和掩码是具有3个通道和256像素的.png文件。因为它是图像分割，标签必须执行一个像素一个像素。为了简单起见，我现在只使用两个类。到目前为止，我取得了以下成绩：
我能够通过以下方式将文件加载到类“图像”或“掩码”中
root_dir="./images_masks"
train_ds_untransf = torchvision.datasets.ImageFolder(root=root_dir)
train_ds_untransf.cl
浏览 0提问于2019-02-05得票数 1
我是一个pytorch用户，并且我已经习惯了pytorch中的data.dataset和data.dataloader api。我正在尝试用tensorflow 2.0构建一个相同的模型，我想知道是否有一个api与pytorch中的这些api类似。
如果没有这样的api，您能告诉我人们通常是如何在tensorflow中实现数据加载部分的吗？我使用过tensorflow 1，但从未体验过dataset api。我以前做过硬编码。我希望有一些类似于重写getitem的内容，其中只使用索引作为输入。
提前谢谢。
浏览 4提问于2019-10-22得票数 18
回答已采纳
我是个新手，想让这个PyTorch CNN和一起工作。由于测试图像没有目标，我手动对一些测试图像进行了分类，并将类放在文件名中，以便能够进行测试(也许应该只使用一些火车图像)。
我使用torchvision.datasets.ImageFolder类加载训练和测试图像。训练似乎奏效了。
但是，我需要做什么才能使测试例程正常工作呢？我不知道如何通过test_x和test_y将我的test_data_loader与底部的测试循环连接起来。
这里的代码是基于的，类似这样的代码在加载程序创建后立即使用。但是我没能为我的数据集重写它：
test_x = Variable(torch.unsqueeze(
浏览 63提问于2018-03-03得票数 15
回答已采纳
我正在使用Pytorch从多个数据集中加载数据。我在正确标记的文件夹中存储了一些图像(例如，\0和\1)，在这些情况下，我可以在加载列表后使用torch.utils.data.ConcatDataset，例如(其中trans是一组预定义的Pytorch转换)：
l = []
l.append(datasets.ImageFolder(file_path, trans))
l.append(datasets.ImageFolder(file_path2, trans))
image_datasets = torch.utils.data.ConcatDataset(l)
img_dataset
浏览 3提问于2020-06-09得票数 1
回答已采纳
这可能很简单，但我已经找了几个小时的正确答案。
我正在为灵长类动物做一个视觉任务，并在MATLAB中使用PsychToolbox。我目前试图做的是随机化照片，这是被试必须决定的。有许多代码示例可以从目录中随机选择图像，但是我使用的图像已经导入，因为它们以前使用过。
作为参考，下面是我用来从我的计算机上的目录中随机导入图像的代码：
% Get the image files for the experiment
imageFolder = [cd '/ALSAMultiracial/'];
imgList = dir(fullfile(imageFolder, '*.jp
浏览 0提问于2016-06-24得票数 1
回答已采纳
同事们，我使用PyTorch和SpykeTorch中的神经网络(基于PyTorch)，我需要创建图像数据集，并将它们放在DataLouders中进行进一步处理。完整的程序如下：
1.张量的产生，
2.使用torchvision.transforms.ToPILImage ()转换它们，
3.将创建的图像保存到目录中，
4.使用图像转换(使用过滤器)创建基于目录的ImageFolder，
5.从DataLoader中创建ImageFolder。
image_set = torch.rand([10000, 28, 28], dtype=torch.float)
path = '.
浏览 1提问于2020-11-16得票数 0
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
腾讯云开发者
