Pytoch Data Loader shuffle検証方式
3566 ワード
shuffle=Falseの場合、データの順番を狂わさない
shuffle=True、ランダムに乱れる
背景:
最初はデータの拡張についての疑問がありました。データ変換しか見られませんでしたが、データの拡張を見ていませんでした。その後、データの拡張が分かりました。
データ変換には以下の内容があります。
上記の写真から見れば、eopch毎の段階で実際には元の画像に対してtranformを再使用しています。これはデータの拡大をもたらします。
以上は個人の経験ですので、参考にしていただければと思います。
shuffle=True、ランダムに乱れる
import numpy as np
import h5py
import torch
from torch.utils.data import DataLoader, Dataset
h5f = h5py.File('train.h5', 'w');
data1 = np.array([[1,2,3],
[2,5,6],
[3,5,6],
[4,5,6]])
data2 = np.array([[1,1,1],
[1,2,6],
[1,3,6],
[1,4,6]])
h5f.create_dataset(str('data'), data=data1)
h5f.create_dataset(str('label'), data=data2)
class Dataset(Dataset):
def __init__(self):
h5f = h5py.File('train.h5', 'r')
self.data = h5f['data']
self.label = h5f['label']
def __getitem__(self, index):
data = torch.from_numpy(self.data[index])
label = torch.from_numpy(self.label[index])
return data, label
def __len__(self):
assert self.data.shape[0] == self.label.shape[0], "wrong data length"
return self.data.shape[0]
dataset_train = Dataset()
loader_train = DataLoader(dataset=dataset_train,
batch_size=2,
shuffle = True)
for i, data in enumerate(loader_train):
train_data, label = data
print(train_data)
pytoch Data Loader使用詳細背景:
最初はデータの拡張についての疑問がありました。データ変換しか見られませんでしたが、データの拡張を見ていませんでした。その後、データの拡張が分かりました。
データ変換には以下の内容があります。
composed = transforms.Compose([transforms.Resize((448, 448)), # resize
transforms.RandomCrop(300), # random crop
transforms.ToTensor(),
transforms.Normalize(mean=[0.5, 0.5, 0.5], # normalize
std=[0.5, 0.5, 0.5])])
簡単なデータ読みクラスは、PIL形式のイメージに戻ります。
class MyDataset(data.Dataset):
def __init__(self, labels_file, root_dir, transform=None):
with open(labels_file) as csvfile:
self.labels_file = list(csv.reader(csvfile))
self.root_dir = root_dir
self.transform = transform
def __len__(self):
return len(self.labels_file)
def __getitem__(self, idx):
im_name = os.path.join(root_dir, self.labels_file[idx][0])
im = Image.open(im_name)
if self.transform:
im = self.transform(im)
return im
メインプログラムは以下の通りです
labels_file = "F:/test_temp/labels.csv"
root_dir = "F:/test_temp"
dataset_transform = MyDataset(labels_file, root_dir, transform=composed)
dataloader = data.DataLoader(dataset_transform, batch_size=1, shuffle=False)
""" 3 , batch_size=1, epoch 2 ( 6 ) """
for eopch in range(2):
plt.figure(figsize=(6, 6))
for ind, i in enumerate(dataloader):
a = i[0, :, :, :].numpy().transpose((1, 2, 0))
plt.subplot(1, 3, ind+1)
plt.imshow(a)
上記の写真から見れば、eopch毎の段階で実際には元の画像に対してtranformを再使用しています。これはデータの拡大をもたらします。
以上は個人の経験ですので、参考にしていただければと思います。