1.pytorch加载收数据（B站小土堆）

本文主要是介绍1.pytorch加载收数据（B站小土堆），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

数据的加载主要有两个函数：

1.dataset整体收集数据：提供一种方法去获取数据及其label，告诉我们一共有多少数据（就是自开始把要的数据和标签都收进来）

2.dataloader，后面传入模型时候，每次录入数据的方法

※想使用这两个函数，要引入pytorch库，并且从torch“工具箱”utils的data模块中拿出函数

import pytorch
from torch.utils.data import Dataset，DataLoader#其他下面要用的
from PIL import Image   
import os   #os.path.join(A,B); os.listdir(转换成列表的文件夹)

---

---

Dataset

1.官网解释：

2.准备工作/相关工作解释：

1.安装opencv

（注意要安装opencv，怎么安装？）

无论是opencv还是tensorflow啥的，都要先进入虚拟化环境

（anconda创建虚拟环境:conda create --name ×× python=3.8）

 （激活、进入环境：conda activate ××）

安装opencv：conda install ××（这里是opencv-python）

注：什么是opencv，opencv和pillow（PIL）：

OpenCV（Open Source Computer Vision Library）和 PIL（Python Imaging Library）都是用于图像处理和计算机视觉任务的库（本质上是同级的关系，但是opencv适用于更复杂的图像处理），但它们有一些区别和各自的优势：

1. 功能特点：

   • PIL 主要专注于基本的图像处理任务，如图像加载、保存、调整大小、旋转、裁剪等，以及一些简单的滤波和颜色空间转换。
   • OpenCV 不仅提供了图像处理功能，还提供了更多复杂的计算机视觉算法，如特征检测、目标识别、摄像头捕获、视频处理等。

2. 性能：

   • OpenCV 通常在处理大型图像和实时视频时表现更优，因为它经过了高度优化，采用了底层优化的C/C++代码实现，并且支持多线程处理。
   • PIL 在一些简单的图像处理任务上可能更轻量级和简单，但对于复杂的任务和大规模数据处理，性能可能不如 OpenCV。

3. 语法和接口：

   • PIL 的语法相对简单易懂，适合初学者和快速开发。
   • OpenCV 的 API 更庞大和复杂，但也更灵活，可以进行更多种类的图像处理和计算机视觉任务。

4. 应用场景：

   • 如果只需要进行简单的图像处理，如调整大小、转换格式等，而且希望代码简单易懂，可以选择使用 PIL。
   • 如果需要进行复杂的计算机视觉任务，如目标检测、特征提取、实时视频处理等，或者需要高性能和灵活性，可以选择使用 OpenCV。

2.对图片的操作——PIL库的image模块（控制台写代码就是一步一步的看运行的效果，在总面板上就是写完整个完整代码，然后看运行结果）

1.为方便，将图片文件引入改代码文件夹（文件夹 直接操作即可）

2.在控制台中引入pillow库（PIL）中的Image模块 。“from PIL import Image”

3.写入图片路径，用变量"img_path"接收，注意路径的写法：  如：“  img_path="D:\\demo\\images\\0.jpg"          ”

复制后写入控制台，然后将单斜杠“\”都写成“\\”

4.打开此路径 “img=Image.open(img_path)”

5.对图片进行相应的操作，如img.size  ;img.show()等

▨这个PIL库很常用到，基本上涉及图片就会引入

并且，这个库中的open函数与是常用的

from PIL import Image``````
path=“xx/xx/xx.jpg”img=Image.open(path)`````

▨绝对地址要改双杠，相对地址直接单杠

3.将图片名称写成列表（总体获取图片名称）

1.引入os库：import os

2.写入图片文件夹地址

（这里不用变双斜杠）root="D:\demo..."

3.用os中的listdir将该文件夹下的路径都变为列表形式     img_list=os.listdir(root)

4.直接用用列表名查看对应的名称即可 img_list[0]

4.将路径和“标签”进行拼接 ——os.path.join(A,B)

1.写入标签 img_label="plant diseases"（不过一般这里是所存在的文件夹名称，因为后序很可能用到相应的操作，如果单纯随意出来的一个名称，后序可能无法执行）

2.拼接（注意，拼接的是标签和文件夹，不是上面图片路径的列表） lastpath=os.path.join(root,img_label)

常见的写法是：root=“D:\demo\cnn\AgriculturalDisease_trainingset”或者用

                        label_dir=“image”

例2：拼接出具体图片地址用列表w）

3.整个dataset函数：

总训练集可以直接用＋来拼接，但是使用加号的的前提是，在mydataset函数中正确写入——len——函数，注意这个len函数是图像列表的长度，不是某一图像名称的长度

控制台看效果：

具体实例化：

---

---

其他：

1.打开jupyter notebook的方法：

(base) PS C:\Users\WZS-CN> conda activate pytorch_learn
(pytorch_learn) PS C:\Users\WZS-CN> jupyter notebook

2.函数中变量写法——“self.××”是啥意思

就是本质上函数里面定义的变量是局部变量，不可以跨函数使用，但是我需要库函数使用，让她类似于一个函数内部定义的全局变量，那么就用“self.××”

在总面板上写的代码，可以在控制台一步一步写出然后运行，但是相应的变量名中不会有self出现，这种在控制台进行验证会方便我们观察，相当于就是在def中写函数，在控制台写相应的具体实现来验证函数

这篇关于1.pytorch加载收数据（B站小土堆）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---