【深度学习】datasets.ImageFolder 使用方法

文章目录

• 前言
• 一、datasets.ImageFolder
• • 1.1.路径书写
  • 1.2.ImageFolder生成的对象
  • 1.3.其他探索：
  • 二、glob使用方法
  • • 1.引入库
    • 2.读入数据
    • 总结

      ---

      前言

      在初学深度学习的时候，很多数据集直接使用dataset里的API接口直接调用的。虽然接口用起来十分方便，但是我却始终没有明白这些图像数据调用的具体步骤。尤其是直接给你几万张照片，你如何将其汇总成合格的数据集？这就是我今天要研究的内容

      一、datasets.ImageFolder

      1.1.路径书写

      datasets.ImageFolder函数算是用的最多的一个函数了：

      首先我们看看它的介绍：

      

      从上面可以得到的信息：

      1）每个类别需要单独成立一个文件夹

      2）每个类别里面的图片需要按顺序排列（无论使用英语还是数字）

      举个例子，以我前几天看的猫狗分类为例，我的文件夹构造如下：

      

      若此时要调用datasets.ImageFolder这个函数读取训练集的数据，就需要写成下面形式：

      import torchvision.datasets as datasets
      train = datasets.ImageFolder('train')
      

      当然上面是最简单的形式，ImageFolder有好几个参数呢（上面只写了一个）。参数共有四个，介绍如下（前两个用的最多，不多做介绍了）：

      

      1.2.ImageFolder生成的对象

      刚刚操作里train = datasets.ImageFolder(‘train’)，它生成了一个对象

      

      它共有3个特性：

      

      我们分别调用展示一下：

      print(train.classes)  
      print(train.class_to_idx)
      print(train.imgs) 
      

      

      分别是

      1）类别 列表形式

      2）种类对应数字标签 字典形式

      3）每一个图像及其对应的标签 列表形式

      为了检查图像是否都读取到了，我们用len（）检查一下

      print("训练集共有图像{}张".format(len(train.imgs)))
      

      

      和文件夹里的数量一致（每个类别里有一个非jpg文件 不算）：

      

      

      1.3.其他探索：

      print(train)
      print(train[0])
      print(train[0][0])
      print(type(train[0][0]))
      print(train[0][1])
      

      我们看看train本身返回的是些什么东西：

      

      就不解释了，这个已经很明白了

      train[0] [0]很明显是照片。我们可以用plt查看它：

      plt.imshow(train[0][0])
      plt.show()
      

      

      二、glob使用方法

      1.引入库

      代码如下（示例）：

      import numpy as np
      import pandas as pd
      import matplotlib.pyplot as plt
      import seaborn as sns
      import warnings
      warnings.filterwarnings('ignore')
      import  ssl
      ssl._create_default_https_context = ssl._create_unverified_context
      

      2.读入数据

      代码如下（示例）：

      data = pd.read_csv(
          'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
      print(data.head())
      

      该处使用的url网络请求的数据。

      ---

      总结

      提示：这里对文章进行总结：

      例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。