请我喝杯咖啡☕
*我的帖子解释了牛津 102 花。
flowers102()可以使用oxford 102 flower数据集，如下所示：
*备忘录：
第一个参数是 root（必需类型：str 或 pathlib.path）。 *绝对或相对路径都是可能的。第二个参数是 split(可选-默认:”train”-类型:str)。 *可以设置“train”（1,020张图片）、“val”（1,020张图片）或“test”（6,149张图片）。第三个参数是transform(optional-default:none-type:callable)。第四个参数是 target_transform(optional-default:none-type:callable)。第五个参数是 download(optional-default:false-type:bool):*备注：如果为 true，则从互联网下载数据集并解压（解压）到根目录。如果为 true 并且数据集已下载，则将其提取。如果为 true 并且数据集已下载并提取，则不会发生任何事情。如果数据集已经下载并提取，则应该为 false，因为它速度更快。您可以从此处手动下载并提取数据集（102flowers.tgz 以及 imagelabels.mat 和 setid.matff 到 data/flowers-102/。关于训练和验证图像索引的类别（类）的标签，0是0~9，1是10~19，2是20~29，3是30~39，4是40~49， 5为50~59，6为60~69，7为70~79，8为80~89，9为90~99等关于测试图像索引的类别（类）标签，0为0~19，1为20~59，2为60~79，3为80~115，4为116~160，5为161~185，6为186~205，7为206~270，8为271~296，9为297~321等。
from torchvision.datasets import Flowers102train_data = Flowers102( root="data")train_data = Flowers102( root="data", split="train", transform=None, target_transform=None, download=False)val_data = Flowers102( root="data", split="val")test_data = Flowers102( root="data", split="test")len(train_data), len(val_data), len(test_data)# (1020, 1020, 6149)train_data# Dataset Flowers102# Number of datapoints: 1020# Root location: data# split=traintrain_data.root# 'data'train_data._split# 'train'print(train_data.transform)# Noneprint(train_data.target_transform)# Nonetrain_data.download# len(set(train_data._labels)), train_data._labels# (102,# [0, 0, 0, ..., 1, ..., 2, ..., 3, ..., 4, ..., 5, ..., 6, ..., 101])train_data[0]# (, 0)train_data[1]# (, 0)train_data[2]# (, 0)train_data[10]# (, 1)train_data[20]# (, 2)val_data[0]# (, 0)val_data[1]# (, 0)val_data[2]# (, 0)val_data[10]# (, 1)val_data[20]# (, 2)test_data[0]# (, 0)test_data[1]# (, 0)test_data[2]# (, 0)test_data[20]# (, 1)test_data[60]# (, 2)import matplotlib.pyplot as pltdef show_images(data, ims, main_title=None): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=1.0, fontsize=14) for i, j in enumerate(ims, start=1): plt.subplot(2, 5, i) im, lab = data[j] plt.imshow(X=im) plt.title(label=lab) plt.tight_layout() plt.show()train_ims = (0, 1, 2, 10, 20, 30, 40, 50, 60, 70)val_ims = (0, 1, 2, 10, 20, 30, 40, 50, 60, 70)test_ims = (0, 1, 2, 20, 60, 80, 116, 161, 186, 206)show_images(data=train_data, ims=train_ims, main_title="train_data")show_images(data=train_data, ims=val_ims, main_title="val_data")show_images(data=test_data, ims=test_ims, main_title="test_data")
以上就是PyTorch 中的花朵的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1354900.html
微信扫一扫 
支付宝扫一扫 
