请我喝杯咖啡☕
*我的帖子解释了 places365。
places365() 可以使用 places365 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-standard”-类型：str）。 *可以设置“train-standard”（1,803,460张图像）、“train-challenge”（8,026,628张图像）或“val”（36,500张图像）。不支持“test”（328,500 张图像），因此我在 github 上请求了该功能。第三个参数很小（可选-默认：false-类型：bool）。第四个参数是 download(可选-默认:false-类型: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，则会发生错误，因为提取的文件夹存在。 *删除解压的文件夹不会出错。如果数据集已经下载并提取，则应该为 false，以免出现错误。从这里开始：对于split=”train-standard”和small=false，您可以手动下载并提取数据集filelist_places365-standard.tar和train_large_places365standard.tar分别到data/和data/data_large_standard/对于split=”train-standard”和small=true，您可以手动下载并提取数据集filelist_places365-standard.tar和train_256_places365standard.tar分别到data/和data/data_256_standard/对于split=”train-challenge”和small=false，您可以手动下载并提取数据集filelist_places365-challenge.tar和train_large_places365challenge.tar分别到data/和data/data_large/对于split=”train-challenge”和small=true，您可以手动下载并提取数据集filelist_places365-challenge.tar和train_256_places365challenge.tar分别到data/和data/data_256_challenge/。对于split=”val” 和small=false，您可以手动下载数据集filelist_places365-standard.tar 和val_large.tar 并分别解压到data/ 和data/val_large/。对于split=”val” 和small=true，您可以手动下载数据集filelist_places365-standard.tar 和val_large.tar 并分别解压到data/ 和data/val_256/第五个参数是transform(optional-default:none-type:callable)。第 6 个参数是 target_transform(optional-default:none-type:callable)。第 7 个参数是 loader（可选-默认：torchvision.datasets.folder.default_loader-type:callable）。关于“火车标准”图像索引类的标签，airfield(0) 为 0~4999，airplane_cabin(1) 为 5000~9999，airport_terminal(2) 为 10000~14999, 壁龛(3)为15000~19999，小巷(4)为20000~24999，露天剧场(5)为25000~29999，amusement_arcade(6) 是30000~34999，游乐园(7)为35000~39999，公寓/户外(8)为40000~44999，水族馆(9)为45000~49999 ,等等关于“火车挑战”图像索引类的标签，airfield(0) 为 0~38566，airplane_cabin(1) 为 38567~47890，airport_terminal(2) 是47891~74901，壁龛(3)为74902~98482，小巷(4)为98483~137662，露天剧场(5)为137663~150034， 游乐园(6) 为 150035~161051，游乐园(7) 为 161052~201051，公寓楼/户外(8) 为 201052~227872， 水族馆(9)是227873~267872等
from torchvision.datasets import Places365from torchvision.datasets.folder import default_loadertrainstd_large_data = Places365( root="data")trainstd_large_data = Places365( root="data", split="train-standard", small=False, download=False, transform=None, target_transform=None, loader=default_loader)trainstd_small_data = Places365( root="data", split="train-standard", small=True)trainchal_large_data = Places365( root="data", split="train-challenge", small=False)trainchal_small_data = Places365( root="data", split="train-challenge", small=True)val_large_data = Places365( root="data", split="val", small=False)val_small_data = Places365( root="data", split="val", small=True)len(trainstd_large_data), len(trainstd_small_data)# (1803460, 1803460)len(trainchal_large_data), len(trainchal_small_data)# (8026628, 8026628)len(val_large_data), len(val_small_data)# (36500, 36500)trainstd_large_data# Dataset Places365# Number of datapoints: 1803460# Root location: data# Split: train-standard# Small: Falsetrainstd_large_data.root# 'data'trainstd_large_data.split# 'train-standard'trainstd_large_data.small# Falsetrainstd_large_data.download_devkittrainstd_large_data.download_images# print(trainstd_large_data.transform)# Noneprint(trainstd_large_data.target_transform)# Nonetrainstd_large_data.loader# Any>len(trainstd_large_data.classes), trainstd_large_data.classes# (365,# ['/a/airfield', '/a/airplane_cabin', '/a/airport_terminal',# '/a/alcove', '/a/alley', '/a/amphitheater', '/a/amusement_arcade',# '/a/amusement_park', '/a/apartment_building/outdoor',# '/a/aquarium', '/a/aqueduct', '/a/arcade', '/a/arch',# '/a/archaelogical_excavation', ..., '/y/youth_hostel', '/z/zen_garden'])trainstd_large_data[0]# (, 0)trainstd_large_data[1]# (, 0)trainstd_large_data[2]# (, 0)trainstd_large_data[5000]# (, 1)trainstd_large_data[10000]# (, 2)trainstd_small_data[0]# (, 0)trainstd_small_data[1]# (, 0)trainstd_small_data[2]# (, 0)trainstd_small_data[5000]# (, 1)trainstd_small_data[10000]# (, 2)trainchal_large_data[0]# (, 0)trainchal_large_data[1]# (, 0)trainchal_large_data[2]# (, 0)trainchal_large_data[38567]# (, 1)trainchal_large_data[47891]# (, 2)trainchal_small_data[0]# (, 0)trainchal_small_data[1]# (, 0)trainchal_small_data[2]# (, 0)trainchal_small_data[38567]# (, 1)trainchal_small_data[47891]# (, 2)val_large_data[0]# (, 165)val_large_data[1]# (, 358)val_large_data[2]# (, 93)val_large_data[3]# (, 164)val_large_data[4]# (, 289)val_small_data[0]# (, 165)val_small_data[1]# (, 358)val_small_data[2]# (, 93)val_small_data[3]# (, 164)val_small_data[4]# (, 289)import matplotlib.pyplot as pltdef show_images(data, ims, main_title=None): plt.figure(figsize=(12, 6)) plt.suptitle(t=main_title, y=1.0, fontsize=14) for i, j in enumerate(iterable=ims, start=1): plt.subplot(2, 5, i) im, lab = data[j] plt.imshow(X=im) plt.title(label=lab) plt.tight_layout(h_pad=3.0) plt.show()trainstd_ims = (0, 1, 2, 5000, 10000, 15000, 20000, 25000, 30000, 35000)trainchal_ims = (0, 1, 2, 38567, 47891, 74902, 98483, 137663, 150035, 161052)val_ims = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9)show_images(data=trainstd_large_data, ims=trainstd_ims, main_title="trainstd_large_data")show_images(data=trainstd_small_data, ims=trainstd_ims, main_title="trainstd_small_data")show_images(data=trainchal_large_data, ims=trainchal_ims, main_title="trainchal_large_data")show_images(data=trainchal_small_data, ims=trainchal_ims, main_title="trainchal_small_data")show_images(data=val_large_data, ims=val_ims, main_title="val_large_data")show_images(data=val_small_data, ims=val_ims, main_title="val_small_data")
以上就是PyTorch 中的位置的详细内容，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/1355019.html
微信扫一扫 
支付宝扫一扫 
