pytorch 在torchvision包里面有很多的的打包好的數(shù)據(jù)集，例如minist,Imagenet-12,CIFAR10 和CIFAR100。在torchvision的dataset包里面，用的時(shí)候直接調(diào)用就行了。具體的調(diào)用格式可以去看文檔(目前好像只有英文的)。網(wǎng)上也有很多源代碼。

不過(guò)，當(dāng)我們想利用自己制作的數(shù)據(jù)集來(lái)訓(xùn)練網(wǎng)絡(luò)模型時(shí)，就要有自己的方法了。pytorch在torchvision.dataset包里面封裝過(guò)一個(gè)函數(shù)ImageFolder()。這個(gè)函數(shù)功能很強(qiáng)大，只要你直接將數(shù)據(jù)集路徑保存為例如“train/1/1.jpg ,rain/1/2.jpg …… ”就可以根據(jù)根目錄“./train”將數(shù)據(jù)集裝載了。

?

但是后來(lái)我發(fā)現(xiàn)一個(gè)問(wèn)題，就是這個(gè)函數(shù)加載出來(lái)的圖像矩陣都是三通道的，并且沒(méi)有什么參數(shù)調(diào)用可以讓其變?yōu)閱瓮ǖ馈Ｈ绻覀円玫絾瓮ǖ罃?shù)據(jù)集(灰度圖)的話，比如自己加載Lenet-5模型的數(shù)據(jù)集，就只能自己寫numpy數(shù)組再轉(zhuǎn)為pytorch的Tensor()張量了。

接下來(lái)是我做的過(guò)程：

首先，還是要用到opencv,用灰度圖打開(kāi)一張圖片，省事。

?

其次，pytorch有自己的numpy轉(zhuǎn)Tensor函數(shù)，直接轉(zhuǎn)就行了。

?

下一步利用torch.util和torchvision里面的dataLoader函數(shù)，就能直接得到和torchvision.dataset里面封裝好的包相同的數(shù)據(jù)集樣本了

?

最后就是自己建網(wǎng)絡(luò)設(shè)計(jì)參數(shù)訓(xùn)練了，這部分和文檔以及github中的差不多，就不贅述了。

下面是整個(gè)程序的源代碼，我利用的還是上次的車標(biāo)識(shí)別的數(shù)據(jù)集，一共分四類，用的是2層卷積核兩層全連接。

源代碼：

?

最后的訓(xùn)練結(jié)果和在keras下差不多，不過(guò)我訓(xùn)練的時(shí)候好像把訓(xùn)練集和測(cè)試集弄反了，數(shù)目好像測(cè)試集比訓(xùn)練集還多，有點(diǎn)尷尬，不過(guò)無(wú)傷大雅。結(jié)果圖如下：

以上這篇Pytorch自己加載單通道圖片用作數(shù)據(jù)集訓(xùn)練的實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。

原文鏈接：https://blog.csdn.net/qq_31548387/article/details/73302319

總結(jié)

以上是生活随笔為你收集整理的python制作图片数据集_Pytorch自己加载单通道图片用作数据集训练的实例的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。