网络编程
位置:首页>> 网络编程>> Python编程>> pytorch 如何把图像数据集进行划分成train,test和val

pytorch 如何把图像数据集进行划分成train,test和val

作者:l8947943  发布时间:2023-12-26 15:28:10 

标签:pytorch,划分,数据集,train,test,val

1、手上目前拥有数据集是一大坨,没有train,test,val的划分

如图所示


pytorch 如何把图像数据集进行划分成train,test和val

2、目录结构:


|---data
    |---dslr
        |---images
        |---back_pack
        |---a.jpg
        |---b.jpg
        ...

3、转换后的格式如图

pytorch 如何把图像数据集进行划分成train,test和val

目录结构为:


|---datanews
    |---dslr
        |---images
        |---test
        |---train
        |---valid
        |---back_pack
        |---a.jpg
        |---b.jpg
        ...

4、代码如下:

4.1 先创建同样结构的层级结构

4.2 然后讲原始数据按照比例划分

4.3 移入到对应的文件目录里面


import os, random, shutil

def make_dir(source, target):
   '''
   创建和源文件相似的文件路径函数
   :param source: 源文件位置
   :param target: 目标文件位置
   '''
   dir_names = os.listdir(source)
   for names in dir_names:
       for i in ['train', 'valid', 'test']:
           path = target + '/' + i + '/' + names
           if not os.path.exists(path):
               os.makedirs(path)

def divideTrainValiTest(source, target):
   '''
       创建和源文件相似的文件路径
       :param source: 源文件位置
       :param target: 目标文件位置
   '''
   # 得到源文件下的种类
   pic_name = os.listdir(source)

# 对于每一类里的数据进行操作
   for classes in pic_name:
       # 得到这一种类的图片的名字
       pic_classes_name = os.listdir(os.path.join(source, classes))
       random.shuffle(pic_classes_name)

# 按照8:1:1比例划分
       train_list = pic_classes_name[0:int(0.8 * len(pic_classes_name))]
       valid_list = pic_classes_name[int(0.8 * len(pic_classes_name)):int(0.9 * len(pic_classes_name))]
       test_list = pic_classes_name[int(0.9 * len(pic_classes_name)):]

# 对于每个图片,移入到对应的文件夹里面
       for train_pic in train_list:
           shutil.copyfile(source + '/' + classes + '/' + train_pic, target + '/train/' + classes + '/' + train_pic)
       for validation_pic in valid_list:
           shutil.copyfile(source + '/' + classes + '/' + validation_pic,
                           target + '/valid/' + classes + '/' + validation_pic)
       for test_pic in test_list:
           shutil.copyfile(source + '/' + classes + '/' + test_pic, target + '/test/' + classes + '/' + test_pic)

if __name__ == '__main__':
   filepath = r'../data/dslr/images'
   dist = r'../datanews/dslr/images'
   make_dir(filepath, dist)
   divideTrainValiTest(filepath, dist)

补充:pytorch中数据集的划分方法及eError: take(): argument 'index' (position 1) must be Tensor, not numpy.ndarray错误原因

在使用pytorch框架时,难免需要对数据集进行训练集和验证集的划分,一般使用sklearn.model_selection中的train_test_split方法

该方法使用如下:


from sklearn.model_selection import train_test_split
import numpy as np
import torch
import torch.autograd import Variable
from torch.utils.data import DataLoader

traindata = np.load(train_path)   # image_num * W * H
trainlabel = np.load(train_label_path)
train_data = traindata[:, np.newaxis, ...]
train_label_data = trainlabel[:, np.newaxis, ...]

x_tra, x_val, y_tra, y_val = train_test_split(train_data, train_label_data, test_size=0.1, random_state=0)  # 训练集和验证集使用9:1

x_tra = Variable(torch.from_numpy(x_tra))
x_tra = x_tra.float()
y_tra = Variable(torch.from_numpy(y_tra))
y_tra = y_tra.float()

x_val = Variable(torch.from_numpy(x_val))
x_val = x_val.float()
y_val = Variable(torch.from_numpy(y_val))
y_val = y_val.float()

# 训练集的DataLoader
traindataset = torch.utils.data.TensorDataset(x_tra, y_tra)
trainloader = DataLoader(dataset=traindataset, num_workers=opt.threads, batch_size=8, shuffle=True)  

# 验证集的DataLoader
validataset = torch.utils.data.TensorDataset(x_val, y_val)
valiloader = DataLoader(dataset=validataset, num_workers=opt.threads, batch_size=opt.batchSize, shuffle=True)

注意:如果按照如下方式使用,就会报eError: take(): argument 'index' (position 1) must be Tensor, not numpy.ndarray错误


from sklearn.model_selection import train_test_split
import numpy as np
import torch
import torch.autograd import Variable
from torch.utils.data import DataLoader

traindata = np.load(train_path)   # image_num * W * H
trainlabel = np.load(train_label_path)

train_data = traindata[:, np.newaxis, ...]
train_label_data = trainlabel[:, np.newaxis, ...]

x_train = Variable(torch.from_numpy(train_data))
x_train = x_train.float()
y_train = Variable(torch.from_numpy(train_label_data))
y_train = y_train.float()
# 将原始的训练数据集分为训练集和验证集,后面就可以使用早停机制
x_tra, x_val, y_tra, y_val = train_test_split(x_train, y_train, test_size=0.1)  # 训练集和验证集使用9:1

报错原因:

train_test_split方法接受的x_train,y_train格式应该为numpy.ndarray 而不应该是Tensor,这点需要注意。

来源:https://blog.csdn.net/l8947943/article/details/105696192

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com