?

小白記錄，大神勿擾

?

小白入門的時候，發現，現有的基本都是直接類似這樣的：

trainset = datasets.MNIST('../MNIST', download=True,train=True, transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.1307,), (0.3081,))])) train_loader = DataLoader(trainset, batch_size=128, shuffle=True, num_workers=4)

這個download=True直接解決了一切問題，卻不理解發生腎么事了。

而且由于網不好等原因，常常無法自動下載。

這個網上有一些方法，提前自己把數據下載好，放在download的那個目錄下。

或者改源代碼的下載鏈接為本地目錄。

例如：https://zhuanlan.zhihu.com/p/129081723

?

有時候，大多數時候想用自己數據集，如下這樣類似的寫法：

class MyDataset(Dataset):def __init__(self, image_path, label_path, setid_path, train=True, transform=None):setid = scipy.io.loadmat(setid_path)labels = scipy.io.loadmat(label_path)['labels'][0]if train:trnid = setid['tstid'][0]self.labels = [labels[i - 1] - 1 for i in trnid]self.images = ['%s/image_%05d.jpg' % (image_path, i) for i in trnid]else:tstid = np.append(setid['valid'][0], setid['trnid'][0])self.labels = [labels[i - 1] - 1 for i in tstid]self.images = ['%s/image_%05d.jpg' % (image_path, i) for i in tstid]self.transform = transformdef __getitem__(self, index):label = self.labels[index]image = self.images[index]if self.transform is not None:image = self.transform(Image.open(image))return image, labeldef __len__(self):return len(self.labels)

init初始化，一般就包括加載數據啊，然后整體數據的一些基本處理之類的。數據可以來自自己定義放好的本地文件夾，也可以是自己在code之前就完成加載的numpy格式或者其他格式的數據（這時候init中就不需要加本地路徑了）。

getitem，每次調用數據，其實就是調用它，后面index不要丟。內部一般就寫 init之后，數據被加載之前 還需要進行的一些處理。這里，比如你要加載不一樣的圖像，這里return不同的就可以了。

len，就返回一個數據長度即可。

?

然后調用自己定義的數據集，MyDataset，再放到loader中，再從loader中直接拿數據就ok了，這時候拿到的數據就是一個batch一個batch的。

train_dataset = MyDataset(image_path, label_path, setid_path,train=True, transform=transforms.Compose([transforms.RandomHorizontalFlip(),transforms.RandomRotation(30),transforms.ToTensor(),transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])]))train_loader = DataLoader(train_dataset, batch_size=BATCH, shuffle=True).......for batch_idx, (image, label) in enumerate(train_loader):...

好，然后怎么重載官網數據集，比如說，你載loader中，希望每次加載這樣的數據，image1，image2，label

又是基于現有數據集，比如minist，那么就可以重寫這個官網的數據集。本質上和完全自己定義是一回事。

示例代碼如下：

class CIFAR10_(datasets.CIFAR10):"""CIFAR10 Dataset."""def __getitem__(self, index):img, target = self.data[index], self.targets[index]img = Image.fromarray(img)if self.target_transform is not None:target = self.target_transform(target)if self.transform is not None:img1 = self.transform(img)if self.train:img2 = self.transform(img)if self.train:return img1, img2, target, index

?然后改怎么使用，就怎么使用，可以自己下載好：

trainset = datasets.CIFAR10_(root='./data', train=True, download=True, transform=transform_train) trainloader = torch.utils.data.DataLoader(trainset, batch_size=args.batch_size, shuffle=True, num_workers=4, drop_last=True) testset = datasets.CIFAR10_(root='./data', train=True, download=False, transform=transform_test) testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False, num_workers=4, drop_last=True)

這時候train loader中出來的 就是 這個樣子的：

for batch_idx, (inputs1, inputs2, target, indexes) in enumerate(trainloader):...

ok

?

?

?

?

?

?

?

?

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的Pytorch 怎么构建自己的数据集。怎么重写官方数据集。的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。