PyTorch - ชุดข้อมูล
ในบทนี้เราจะเน้นมากขึ้น torchvision.datasetsและประเภทต่างๆ PyTorch ประกอบด้วยตัวโหลดชุดข้อมูลต่อไปนี้ -
- MNIST
- COCO (คำบรรยายภาพและการตรวจจับ)
ชุดข้อมูลประกอบด้วยฟังก์ชันส่วนใหญ่สองประเภทที่ระบุด้านล่าง -
Transform- ฟังก์ชั่นที่ใช้ในรูปภาพและส่งคืนเวอร์ชันมาตรฐานที่แก้ไขแล้ว สิ่งเหล่านี้สามารถประกอบขึ้นพร้อมกับการแปลงร่าง
Target_transform- ฟังก์ชั่นที่ใช้เป้าหมายและแปลงมัน ตัวอย่างเช่นรับสตริงคำอธิบายภาพและส่งกลับค่าดัชนีโลก
MNIST
ต่อไปนี้เป็นโค้ดตัวอย่างสำหรับชุดข้อมูล MNIST -
dset.MNIST(root, train = TRUE, transform = NONE,
target_transform = None, download = FALSE)
พารามิเตอร์มีดังนี้ -
root - ไดเร็กทอรีรากของชุดข้อมูลที่มีข้อมูลที่ประมวลผลแล้ว
train - จริง = ชุดการฝึก, เท็จ = ชุดทดสอบ
download - True = ดาวน์โหลดชุดข้อมูลจากอินเทอร์เน็ตและวางไว้ในรูท
โกโก้
ต้องติดตั้ง COCO API ตัวอย่างต่อไปนี้ใช้เพื่อสาธิตการใช้งานชุดข้อมูล COCO โดยใช้ PyTorch -
import torchvision.dataset as dset
import torchvision.transforms as transforms
cap = dset.CocoCaptions(root = ‘ dir where images are’,
annFile = ’json annotation file’,
transform = transforms.ToTensor())
print(‘Number of samples: ‘, len(cap))
print(target)
ผลลัพธ์ที่ได้มีดังนี้ -
Number of samples: 82783
Image Size: (3L, 427L, 640L)