PyTorch - 数据集

在本章中，我们将更多地关注torchvision.datasets及其各种类型。PyTorch 包括以下数据集加载器 -

  • MNIST
  • COCO（字幕和检测）

数据集包括下面给出的两种类型的函数中的大多数 -

  • Transform - 一个接受图像并返回标准内容的修改版本的函数。这些可以与变换组合在一起。

  • Target_transform - 一个获取目标并对其进行转换的函数。例如，接受标题字符串并返回世界索引的张量。

MNIST

以下是 MNIST 数据集的示例代码 -

dset.MNIST(root, train = TRUE, transform = NONE, 
target_transform = None, download = FALSE)

参数如下 -

  • root - 存在已处理数据的数据集的根目录。

  • train - True = 训练集，False = 测试集

  • download - True = 从互联网下载数据集并将其放入根目录中。

可可

这需要安装 COCO API。以下示例用于演示使用 PyTorch 的数据集的 COCO 实现 -

import torchvision.dataset as dset
import torchvision.transforms as transforms
cap = dset.CocoCaptions(root = ‘ dir where images are’, 
annFile = ’json annotation file’,
transform = transforms.ToTensor())
print(‘Number of samples: ‘, len(cap))
print(target)

实现的输出如下 -

Number of samples: 82783
Image Size: (3L, 427L, 640L)