python 如何使trainloader使用特定数量的图像？

frebpwbc 于 2023-01-01 发布在 Python

关注(0)|答案(1)|浏览(213)

假设我正在使用以下调用：

trainset = torchvision.datasets.ImageFolder(root="imgs/", transform=transform)
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=1)

据我所知，这将trainset定义为由文件夹“images”中的所有图像组成，标签由特定的文件夹位置定义。
我的问题是-是否有直接/简单的方法将trainset定义为该文件夹中图像的子样本？例如，将trainset定义为每个子文件夹中10张图像的随机样本？

python

来源：https://stackoverflow.com/questions/50798172/how-to-make-the-trainloader-use-a-specific-amount-of-images

1条答案

按热度按时间

6kkfgxo01#

您可以将类DatasetFolder（或ImageFolder） Package 在另一个类中以限制数据集：

class LimitDataset(data.Dataset):
    def __init__(self, dataset, n):
        self.dataset = dataset
        self.n = n

    def __len__(self):
        return self.n

    def __getitem__(self, i):
        return self.dataset[i]

您还可以在LimitDataset中的索引和原始数据集中的索引之间定义一些Map，以定义更复杂的行为（例如随机子集）。
如果要限制每个时段的批处理数而不是数据集大小：

from itertools import islice
for data in islice(dataloader, 0, batches_per_epoch):
    ...

请注意，如果您使用此随机化，数据集大小将保持不变，但每个时期看到的数据将受到限制。如果您不随机化数据集，这也将限制数据集大小。

赞(0）回复(0）举报 2023-01-01

我来回答

python 如何使trainloader使用特定数量的图像？

1条答案

相关问题

热门标签

最新问答