pytorch torchvision.ImageFolder的使用

參考：https://pytorch-cn.readthedocs.io/zh/latest/torchvision/torchvision-datasets/

torchvision.datasets

Datasets 擁有以下API:

• __getitem__ 
• __len__

Datasets都是 torch.utils.data.Dataset的子類，所以，他們也可以通過torch.utils.data.DataLoader使用多線程（python的多進程）。

舉例說明： 

torch.utils.data.DataLoader(coco_cap, batch_size=args.batchSize, shuffle=True, num_workers=args.nThreads)

在構造函數中，不同的數據集直接的構造函數會有些許不同，但是他們共同擁有 keyword 參數。

• transform： 一個函數，原始圖片作為輸入，返回一個轉換后的圖片。
• target_transform - 一個函數，輸入為target，輸出對其的轉換。例子，輸入的是圖片標注的string，輸出為word的索引。

 

ImageFolder

一個通用的數據加載器，數據集中的數據以以下方式組織

root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png

root/cat/123.png
root/cat/nsdf3.png
root/cat/asd932_.png

既其默認你的數據集已經自覺按照要分配的類型分成了不同的文件夾，一種類型的文件夾下面只存放一種類型的圖片

運行命令為：

import torchvision.datasets as dset
dset.ImageFolder(root="root folder path", [transform, target_transform])

• root ： 指定圖片存儲的路徑，在下面的例子中是'./data/dogcat_2'
• transform： 一個函數，原始圖片作為輸入，返回一個轉換后的圖片。
• target_transform - 一個函數，輸入為target，輸出對其的轉換。例子，輸入的是圖片標注的string，輸出為word的索引。

有以下成員變量:

• self.classes - 用一個list保存 類名
• self.class_to_idx - 類名對應的 索引
• self.imgs - 保存(img-path, class) tuple的list

即后面可以通過查看返回的數據集對象來查看相應的值，下面舉例說明：

 

圖片為：

可見分成了cat和dog兩類

import torchvision.datasets as dset
dataset = dset.ImageFolder('./data/dogcat_2') #沒有transform，先看看取得的原始圖像數據
print(dataset.classes)  #根據分的文件夾的名字來確定的類別
print(dataset.class_to_idx) #按順序為這些類別定義索引為0,1...
print(dataset.imgs) #返回從所有文件夾中得到的圖片的路徑以及其類別

返回：

['cat', 'dog']
{'cat': 0, 'dog': 1}
[('./data/dogcat_2/cat/cat.12484.jpg', 0), ('./data/dogcat_2/cat/cat.12485.jpg', 0), ('./data/dogcat_2/cat/cat.12486.jpg', 0), ('./data/dogcat_2/cat/cat.12487.jpg', 0), ('./data/dogcat_2/dog/dog.12496.jpg', 1), ('./data/dogcat_2/dog/dog.12497.jpg', 1), ('./data/dogcat_2/dog/dog.12498.jpg', 1), ('./data/dogcat_2/dog/dog.12499.jpg', 1)]

如果在數據下面又添加了一個類型'others'，那么訪問類型的時候返回的就是：

['cat', 'dog', 'others']
{'cat': 0, 'dog': 1, 'others': 2}

 

查看得到的圖片數據：

#從返回結果可見得到的數據仍是PIL Image對象
print(dataset[0])
print(dataset[0][0])
print(dataset[0][1]) #得到的是類別0，即cat

返回：

(<PIL.Image.Image image mode=RGB size=497x500 at 0x11D99A9B0>, 0)
<PIL.Image.Image image mode=RGB size=497x500 at 0x11DD24278>
0

 

然后定義一個對數據進行處理的transform：

#可以看出來此時得到的圖片數據已經是處理過后的tensor數據了
print(dataset[0][0])
print(dataset[0][0].size()) #大小也是經過設定后的大小224
print(dataset[0][1]) #得到的是類別0，即cat

返回：

tensor([[[-0.7412, -0.7490, -0.7725,  ...,  0.3176,  0.3412,  0.3725],
         [-0.7333, -0.7412, -0.7882,  ...,  0.3255,  0.3647,  0.4039],
         [-0.7098, -0.7569, -0.8039,  ...,  0.3255,  0.3725,  0.4039],
         ...,
         [ 0.3961,  0.3961,  0.4039,  ...,  0.2627,  0.2627,  0.2549],
         [ 0.4196,  0.4039,  0.4118,  ...,  0.2549,  0.2392,  0.2314],
         [ 0.4275,  0.4275,  0.4431,  ...,  0.2314,  0.2314,  0.2235]],

        [[-0.7412, -0.7490, -0.7725,  ...,  0.3882,  0.3725,  0.3569],
         [-0.7333, -0.7412, -0.7882,  ...,  0.3961,  0.3961,  0.3882],
         [-0.7098, -0.7569, -0.8039,  ...,  0.3882,  0.4039,  0.3882],
         ...,
         [ 0.0431,  0.0510,  0.0667,  ..., -0.0824, -0.0824, -0.0902],
         [ 0.0510,  0.0431,  0.0588,  ..., -0.0824, -0.1059, -0.1137],
         [ 0.0353,  0.0353,  0.0510,  ..., -0.0902, -0.1059, -0.1216]],

        [[-0.8353, -0.8431, -0.8667,  ...,  0.3255,  0.3255,  0.3255],
         [-0.8196, -0.8275, -0.8824,  ...,  0.3333,  0.3490,  0.3569],
         [-0.7804, -0.8353, -0.8667,  ...,  0.3333,  0.3569,  0.3569],
         ...,
         [-0.2863, -0.2784, -0.2627,  ..., -0.3569, -0.3569, -0.3647],
         [-0.2549, -0.2706, -0.2549,  ..., -0.3569, -0.3804, -0.3882],
         [-0.2235, -0.2471, -0.2392,  ..., -0.3569, -0.3804, -0.4039]]])
torch.Size([3, 224, 224])
0