PyTorch - 資料集

在本章中，我們將重點討論 torchvision.datasets 及其各種型別。PyTorch 包含以下資料集載入器 -

• MNIST
• COCO（字幕和檢測）

資料集主要包含以下兩種型別的函式 -

• 變換 - 一個函式，接收一張影像並返回標準內容的修改版本。這些內容可以與變換結合在一起。

• 目標變換 - 一個函式，接收目標並將其變換。例如，接收字幕字串並返回文字索引的張量。

MNIST

以下是 MNIST 資料集的示例程式碼 -

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

引數如下 -

• root - 已處理資料所在的​​資料集的根目錄。

• train - True = 訓練集，False = 測試集

• download - True = 從網際網路下載資料集並將其放入根目錄。

COCO

這需要安裝 COCO API。以下示例用於演示使用 PyTorch 實現 COCO 資料集 -

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)

獲得的輸出如下 -

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