PyTorch - Laden von Daten

PyTorch enthält ein Paket namens torchvision, mit dem der Datensatz geladen und vorbereitet wird. Es enthält zwei Grundfunktionen, nämlich Dataset und DataLoader, die beim Transformieren und Laden des Datasets helfen.

Datensatz

Der Datensatz wird zum Lesen und Transformieren eines Datenpunkts aus dem angegebenen Datensatz verwendet. Die zu implementierende grundlegende Syntax wird unten erwähnt -

trainset = torchvision.datasets.CIFAR10(root = './data', train = True,
   download = True, transform = transform)

DataLoader wird zum Mischen und Stapeln von Daten verwendet. Es kann verwendet werden, um die Daten parallel zu Multiprozessor-Workern zu laden.

trainloader = torch.utils.data.DataLoader(trainset, batch_size = 4,
   shuffle = True, num_workers = 2)

Beispiel: Laden einer CSV-Datei

Wir verwenden das Python-Paket Panda, um die CSV-Datei zu laden. Die Originaldatei hat das folgende Format: (Bildname, 68 Orientierungspunkte - jeder Orientierungspunkt hat Axt- und Y-Koordinaten).

landmarks_frame = pd.read_csv('faces/face_landmarks.csv')

n = 65
img_name = landmarks_frame.iloc[n, 0]
landmarks = landmarks_frame.iloc[n, 1:].as_matrix()
landmarks = landmarks.astype('float').reshape(-1, 2)