pytorch初步學習（一）：數據讀取

最近從tensorflow轉向pytorch，感受到了動態調試的方便，也感受到了一些地方的不同。

所有實驗都是基於uint16類型的單通道灰度圖片。

一開始嘗試用opencv中的cv.imread讀取圖片，發現會默認讀8位數據。。。后來還是改用了skimage讀取圖片。一個小坑。

在tensorflow中：

利用append得到數組x_test  [batchsize，width，hight]

x_test = x_test[:, :, :, np.newaxis]
# 占位符
x=tf.placeholder(tf.float32, shape=[None, w, h, 1], name='x')
# 送入網絡tensor維度依次為：batchsize，width，hight，channel

在pytorch中：

arr = np.asarray(img, dtype="float32")
data_x[i, :, :, :] = arr
i += 1
data_y.append(int(item[0]))
data_x = torch.from_numpy(data_x)
data_y = torch.from_numpy(data_y)
dataset = dataf.TensorDataset(data_x, data_y)
loader = dataf.DataLoader(dataset, batch_size=batchsize, shuffle=True)
#　送入網絡的tensor維度依次為：batchsize，channel, width，hight

在tensorflow中需要自己寫一個minibatch函數控制訓練，在pytorch中可以調用dataloader將數據變成torch需要的tensor形式，並且不需要額外寫minibatch函數。