Pytorch数据集读入——Dataset类,实现数据集打乱Shuffle
- 2019 年 11 月 7 日
- 笔记
在进行相关平台的练习过程中，由于要自己导入数据集，而导入方法在市面上五花八门，各种库都可以应用，在这个过程中我准备尝试torchvision的库dataset
torchvision.datasets.ImageFolder
简单应用起来非常简单，用torchvision.datasets.ImageFolder实现图片的导入，在随后训练过程中用Datalodar处理后可按批次取出训练集
class ImageFolder(root, transform=None, target_transform=None, loader=default_loader, is_valid_file=None)
ImageFolder有这么几个参数，其中root指的是数据所在的文件夹，其中该文件夹的存储方式应为
root/labels/xxx.jpg
即根据自身分类标签存储在对应标签名的文件夹内
ImageFolder在读入的过程中会自行加好标签，最后形成一对对的数据
另外比较常用的就是transform，表示对于传入图片的预处理，如剪裁，颜色选择等等
比如
transform_t = transforms.Compose([ transforms.Resize([64, 64]), transforms.Grayscale(num_output_channels=1), transforms.ToTensor()] )具体参数可以上网查看
在之后用DataLodar处理后虽然的确有Shuffle的参数，但是却只是在一个小批次内进行打乱，原本是按照类别存储的，这样的话会导致很严重的过拟合，为了避免这个，我决定常识改写一下Dataset的类(主要是看起来Dataset看起来改写比较顺手…ImageFolder还没有看源码并没要对此下手)
但是Dataset需要读入一个个的训练数据的位置，怎么办呢？我就先写了一个小脚本，生成一个txt文件来存储所有数据的名称(相对路径)，同时在这一步就进行打乱操作【一眼看下去甚至会发现init的classnum参数完全没用上(捂脸
import os import numpy as np ''' self.target 顺序存储数据集 self.DataFile 存储根目录 self.s 存储所有数据 self.label 存储所有标签及其对应的值 ''' class create_list(): def __init__(self,root,classnum=2): self.target=open("./Data.txt",'w') self.DataFile=root self.s=[] self.label={} self.datanum=0 def create(self): files=os.listdir(self.DataFile) for labels in files: tempdata=os.listdir(self.DataFile+"/"+labels) self.label[labels]=len(self.label) for img in tempdata: self.datanum+=1 self.target.write(self.DataFile+"/"+labels+"/"+img+" "+labels+"n") self.s.append([self.DataFile+"/"+labels+"/"+img,labels]) def detail(self): #查看数据数量以及标签对应 print(self.datanum) print(self.label) def get_all(self): #查看所有数据 print(self.s) def get_root(self): #获得根目录 return self.DataFile def shuffle(self): #获得打乱的存储txt shuffle_file=open("./Shuffle_Data.txt",'w') temp=self.s np.random.shuffle(temp) for i in temp: shuffle_file.write(i[0]+" "+str(i[1])+"n") return self.DataFile+"/Shuffle_Data.txt" def label_id(self,label): #获得该标签对应的值 return self.label[label]数据集的存储方式上的要求跟之前的ImageFolder一样
最终会生成一个这样的txt文件
数据集来源于某x光胸片判断…
而Shuffle操作就是为了生成打乱后的txt文件，我写的比较简单粗暴…先将就看吧，生成后大概就是这个样子
至少真正的做到打乱数据了
完成这个以后，就可以用此来帮助DataLodar了
接下来的代码或许比较辣眼睛…但是事实证明是有用的，但是可能Python技巧不太熟练所以就会显得很生涩…
我重现的Dataset类:
from PIL import Image import torch class cDataset(torch.utils.data.Dataset): def __init__(self, datatxt, root="", transform=None, target_transform=None, LabelDic=None): super(cDataset,self).__init__() files = open(root + "/" + datatxt, 'r') self.img=[] for i in files: i = i.rstrip() temp = i.split() if LabelDic!=None: self.img.append((temp[0],LabelDic[temp[1]])) else: self.img.append((temp[0],temp[0])) self.transform = transform self.target_transform = target_transform def __getitem__(self, index): files, label = self.img[index] img = Image.open(files).convert('RGB') if self.transform is not None: img = self.transform(img) return img,label def __len__(self): return len(self.img)其实直接看就能大概看明白，主要也就是要实现类里面的几个方法
class cDataset(torch.utils.data.Dataset): def __init__(): def __getitem__(self, index): def __len__(self):其中getitm类似一次次的取出数据，len就是返回数据集数目
其中init的参数我做了稍许调整，由于我之前的txt内标签是字符串，而为了能让对应生成的tag是所要求的，可以传入一个字典，如:
LabelDic={"NORMAL":0,"PNEUMONIA":1}
这样就可以在之后转化为数字的标签，onehot或者怎么怎么样了,,,
