torchDieu, ignorez cet article...

1,Un exemple simple de rétrospectiveDataSet

from torch.utils.data import Dataset

class dataset(Dataset):
    def __init__(self):
        # Doit être converti enarray,Sinon, les résultats seraient bizarres
        self.data = np.array([[1,1,1,1],
                [2,2,2,2],
                [3,3,3,3],
                [4,4,4,4],
                [5,5,5,5],
                [6,6,6,6]])        
                
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, idx):
        # return data[idx],Il manque cette phrase.self,Erreur signalée...
        return self.data[idx]

dataset = dataset()
dataloader = torch.utils.data.DataLoader(dataset,
                                         batch_size=2,
                                         shuffle=False,
                                         num_workers=1)

for i, data_ in enumerate(dataloader):
    print(i)
    print(data_)

Observer les résultats de l'opération：

0
tensor([[1, 1, 1, 1],
        [2, 2, 2, 2]])
1
tensor([[3, 3, 3, 3],
        [4, 4, 4, 4]])
2
tensor([[5, 5, 5, 5],
        [6, 6, 6, 6]])

Cet exemple est assez compréhensible DataSetC'est

2,Dimensions

Voir cet article：
https://blog.csdn.net/xddwz/article/details/108405817

# -*- coding: utf-8 -*-
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
from torch.utils.data.dataloader import DataLoader
from torchvision.transforms import transforms
import os
 
import cv2
from PIL import Image
 
 
class MyDataset(Dataset):
    def __init__(self, transform=None):
        self.transform = transforms.Compose([
            transforms.ToTensor()      #  Voici l'exemple le plus élémentaire 
        ])
        self.image_path = './image_data2/'
        self.image_names = os.listdir(self.image_path)
 
    def __len__(self):
        return len(self.image_names)
 
    def __getitem__(self, item):
        image_name = self.image_names[item]
 
        image = cv2.imread(os.path.join(self.image_path, image_name))   # Ce que j'ai luBGRDonnées
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)                  # Convertir enRGB,Peut également être utiliséimg = img[:, :, (2, 1, 0)]
        # À ce moment - là.image- Oui.H,W,COrdre, Donc ce qui suit doit être converti en C, H, W
        image = torch.from_numpy(image).permute(2, 0, 1)             
 
        # image = Image.open(os.path.join(self.image_path, image_name))
        # # print(image.shape)
        # image = self.transform(image)
        return image

Ce code se trouve dans le lien ci - dessus , La raison pour laquelle il a été transporté est de souligner une chose ：Nous savons quetorch L'ordre des dimensions est BCHW,Et dans le code ci - dessus__getitem__(), Est de retourner une image , Alors ce qu'il faut remarquer à ce stade, c'est que , L'ordre des dimensions d'une seule image est HWC, C'est - à - dire que la dimension est (height, width, channel), Nous devons ajuster ses dimensions à (channel, height, width),Et revenir en arrière.

En même temps,Selon le code ci - dessus,Attention aussi,Retour àimageDeshapeNon, pas du tout.(1, channel, height, width),Mais...(channel, height, width),batch La dimension correspondante est __getitem__() Pas besoin de penser .

Pour certainschannelPour1Photos de,Si nécessairechannelDimensions,Alors tout ce qu'il fautsqueeze(0)C'est tout..