Dataset的简单使用-编程知识

Pytorch 给我们提供了一个方法，方便我们加载数据，我们可以使用这个框架，去加载我们的数据。看下伪代码：

# ================================================================== #
#                Input pipeline for custom dataset                 #
# ================================================================== ## You should build your custom dataset as below.
class CustomDataset(torch.utils.data.Dataset):def __init__(self):# TODO# 1. Initialize file paths or a list of file names. passdef __getitem__(self, index):# TODO# 1. Read one data from file (e.g. using numpy.fromfile, PIL.Image.open).# 2. Preprocess the data (e.g. torchvision.Transform).# 3. Return a data pair (e.g. image and label).passdef __len__(self):# You should change 0 to the total size of your dataset.return 0 # You can then use the prebuilt data loader. 
custom_dataset = CustomDataset()
train_loader = torch.utils.data.DataLoader(dataset=custom_dataset,batch_size=64, shuffle=True)

__getitem__：返回一个样本
__len__：返回样本的数量

首先先创建一个文件夹，将图片放在同一个文件夹下。

导入库文件

import torch 
import torchvision.datasets 
from torch.utils.data import Dataset 
import os 
from PIL import Image 
import numpy as np 
import torchvision.transforms as transforms

图片数据预处理

预处理在机器学习和深度学习中起着重要的作用，它包括对输入数据进行一系列的变换和标准化操作。以下是为什么需要预处理的一些常见原因：

数据归一化/标准化：预处理过程中的归一化/标准化步骤有助于将数据的范围缩放到一个可接受的范围，以便更好地适应模型的训练。这有助于提高模型的收敛速度，并可以避免梯度消失或爆炸的问题。
数据增强：通过应用一系列的图像变换，如旋转、裁剪、平移、翻转等，可以扩增训练数据集，从而增加模型的泛化能力。数据增强可以减轻过拟合问题，并提高模型对多样性数据的鲁棒性。
数据格式转换：预处理可以将数据从原始格式（如图像文件、文本文件等）转换为模型所需的张量格式。例如，在计算机视觉任务中，图像通常被转换为张量，并进行通道重新排列、大小调整等操作。
噪声去除和数据清洗：预处理过程也可以用于去除数据中的噪声、异常值或无效样本。这有助于提高数据质量，并减少对模型的负面影响。

来自chatGPT

# 预处理
transform = transforms.Compose([ # 使用 Compose 可以将这些操作串联在一起transforms.Resize((224,224)), # 调整图片大小transforms.ToTensor(), # 将图片转换为Tensor对象，方便作为神经网络的输入transforms.Normalize( (0.1307, ), (0.3081, )) # 对图片进行归一化
])

定义Dataset类

`init`

__init__里面是初始化方法，例如传入图片的路径，或者要不要选择预处理等。

    # 初始化：指定路径，是否进行预处理等def __init__(self, path, transform = None) -> None: super().__init__()# os.listdir : 会将data下面的image中所有的文件读取，放在imgs里面img_path = os.path.join(path, "image/") # 进行拼接 得到 data/train/image/imgs = os.listdir(img_path) # 取出path下所有的文件self.imgs = [os.path.join(img_path, img) for img in imgs]self.transforms = transform # 图像预处理

`getitem`

__getitem__用于返回一个样本，返回之前做的处理数据的操作，也在__getitem__里面。

    def __getitem__(self, index): # 读取图片img_path = self.imgs[index] # 图片路径label_path = img_path.replace("image", "label") # 得到label文件夹下数据label = Image.open(label_path)data = Image.open(img_path)if self.transforms: # 图片预处理data = self.transforms(data)return data, label # tuple类型

`len`

__len__返回样本个数（图片路径的个数）

    def __len__(self):return len(self.imgs)

测试

全部代码

import torch 
import torchvision.datasets 
from torch.utils.data import Dataset 
import os 
from PIL import Image 
import numpy as np 
import torchvision.transforms as transforms # 预处理
data_transform = transforms.Compose([ # 使用 Compose 可以将这些操作串联在一起transforms.Resize((224,224)), # 调整图片大小transforms.ToTensor(), # 将图片转换为Tensor对象，方便作为神经网络的输入transforms.Normalize( (0.1307, ), (0.3081, )) # 对图片进行归一化
])class Data(Dataset):# 初始化：指定路径，是否进行预处理等def __init__(self, path, transform = None) -> None: super().__init__()# os.listdir : 会将data下面的image中所有的文件读取，放在imgs里面img_path = os.path.join(path, "image/") # 进行拼接 得到 data/train/image/imgs = os.listdir(img_path) # 取出path下所有的文件self.imgs = [os.path.join(img_path, img) for img in imgs]self.transforms = transform # 图像预处理def __getitem__(self, index): # 读取图片img_path = self.imgs[index] # 图片路径label_path = img_path.replace("image", "label") # 得到label文件夹下数据label = Image.open(label_path)data = Image.open(img_path)if self.transforms: # 图片预处理data = self.transforms(data)label = self.transforms(label)return data, label # tuple类型def __len__(self):return len(self.imgs)# ts1 = Data('data/train/', transform=data_transform)
# print(type(ts1[0]))
# print(ts1[0])
# print(len(ts1))if __name__ == '__main__':ts1 = Data('data/train/', transform=data_transform)for i,(img, label) in enumerate(ts1):print(i, 'img', img.size(), 'label', label.size())