PyTorch - 数据集

• 

  简述

  在本章中，我们将更多地关注 torchvision.datasets及其各种类型。PyTorch 包括以下数据集加载器 -

  • MNIST
  • COCO（字幕和检测）

  数据集包括下面给出的两种类型的函数中的大部分 -

  • Transform- 接收图像并返回标准内容的修改版本的函数。这些可以与变换组合在一起。
  • Target_transform- 一个接受目标并对其进行转换的函数。例如，接受标题字符串并返回世界索引的张量。
• 

  MNIST

  以下是 MNIST 数据集的示例代码 -

  
  dset.MNIST(root, train = TRUE, transform = NONE, 
  target_transform = None, download = FALSE)
  

  参数如下 -

  • root − 处理数据所在数据集的根目录。
  • train − True = 训练集，False = 测试集
  • download − True = 从互联网下载数据集并将其放入根目录。
• 

  COCO

  这需要安装 COCO API。以下示例用于演示使用 PyTorch 的数据集的 COCO 实现 -

  
  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)
  

  实现的输出如下 -

  
  Number of samples: 82783
  Image Size: (3L, 427L, 640L)