首页transform = transforms.Compose([ transforms.Grayscale(), transforms.Resize((28, 28)), transforms.ToTensor() ])如何加载自己的数据集

transform = transforms.Compose([ transforms.Grayscale(), transforms.Resize((28, 28)), transforms.ToTensor() ])如何加载自己的数据集

时间: 2024-05-06 07:19:03 浏览: 171

假设你的自己的数据集的文件夹路径为 `./my_dataset`，其中包含了训练集和测试集两个文件夹，每个文件夹下又有多张图片。你可以使用 PyTorch 的 `ImageFolder` 类来加载自己的数据集，代码如下： ```python from torchvision.datasets import ImageFolder from torch.utils.data import DataLoader # 定义数据增强和转换 transform = transforms.Compose([ transforms.Grayscale(), transforms.Resize((28, 28)), transforms.ToTensor() ]) # 加载训练集数据 train_dataset = ImageFolder('./my_dataset/train', transform=transform) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True) # 加载测试集数据 test_dataset = ImageFolder('./my_dataset/test', transform=transform) test_loader = DataLoader(test_dataset, batch_size=32, shuffle=False) ``` 其中 `ImageFolder` 类会自动扫描指定路径下的文件夹和图片，并将它们转换成数据集。你只需要指定数据增强和转换的方式，并传入文件夹路径即可。最后，你可以通过 `DataLoader` 类来批量读取数据。在这个例子中，我们定义了一个批次大小为 32 的数据加载器，用于训练集和测试集的加载。

阅读全文