Python，类数据集，如何在pytorch中将图像与其各自的标签连接起来

debugcn 发表于 Dev

米歇尔比

我是PyTorch的新手，在最近的几天里，我一直在努力使用Dataset类来构建自定义数据集。

我正在使用此数据集（https://www.kaggle.com/ianmoone0617/flower-goggle-tpu-classification/kernels），问题是它的图像及其标签位于单独的文件夹中，我无法弄清楚如何串联它们。

这是我正在使用的代码：

class MyDataset(Dataset):

    def __init__(self, csv_file, root_dir, transform=None):
        self.labels = pd.read_csv(csv_file)
        self.root_dir = root_dir
        self.transform = transform

    def __len__(self):
        return len(self.labels)

    def __getitem__(self, index):
        if torch.is_tensor(index):
            index = index.tolist()

        image_name = os.path.join(self.root_dir, self.labels.iloc[index, 0])
        image = io.imread(image_name)

        if self.transform:
            image = self.transform(image)

        return (image, labels)

文件夹的结构如下所示：

我真的很想了解这一点，所以在此先谢谢大家！！

乔达格

好像您快到了。有很多方法可以解决这个问题。例如，您可以在初始化期间读取两个csv文件以构建字典，该字典将中的标签字符串映射flowers_idx.csv到中指定的标签索引flowers_label.csv。

import os
import pandas as pd
import torch
from torchvision.datasets.folder import default_loader
from torch.utils.data import Dataset

class MyDataset(Dataset):
    def __init__(self, data_csv, label_csv, root_dir, transform=None):
        self.data_entries = pd.read_csv(data_csv)
        self.root_dir = root_dir
        self.transform = transform

        label_map = pd.read_csv(label_csv)
        self.label_str_to_idx = {label_str: label_idx for label_idx, label_str in label_map.iloc}

    def __len__(self):
        return len(self.labels)

    def __getitem__(self, index):
        if torch.is_tensor(index):
            index = index.item()

        label = self.label_str_to_idx[self.data_entries.iloc[index, 1]] 
        image_path = os.path.join(self.root_dir, f'{self.data_entries.iloc[index, 0]}.jpeg')

        # torchvision datasets generally return PIL image rather than numpy ndarray
        image = default_loader(image_path)

        # alternative to load ndarray using skimage.io
        # image = io.imread(image_path)

        if self.transform:
            image = self.transform(image)

        return (image, label)

请注意，这将返回PIL图像而不是ndarray，因为通常是Torchvision数据集返回的图像。这也很好，因为许多Torchvision转换只能被提取为PIL图像。

现在，一个简单的用例可能是：

import torchvision.transforms as tt

dataset_dir = '/home/jodag/datasets/527293_966816_bundle_archive'
# TODO add more transforms/data-augmentation etc...
transform = tt.Compose((
    tt.ToTensor(),
))

dataset = MyDataset(
    os.path.join(dataset_dir, 'flowers_idx.csv'),
    os.path.join(dataset_dir, 'flowers_label.csv'),
    os.path.join(dataset_dir, 'flower_tpu/flower_tpu/flowers_google/flowers_google'),
    transform)

image, label = dataset[0]

在训练或验证期间，您可能会使用DataLoader来采样数据集。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。