官方网站下载cad,自己没有货源怎么开网店,读书网网站建设策划书,马可波罗网站如何做产品推广目录
第一种dataset(文件夹名即为标签)
用于将格式#xff08;1#xff09;转换为格式#xff08;2#xff09;
第二种dataset(标签在labels文件夹下的对应的txt文件里面) 第一种dataset(文件夹名即为标签)
数据组织格式#xff08;1#xff09;
--data
----train …目录
第一种dataset(文件夹名即为标签)
用于将格式1转换为格式2
第二种dataset(标签在labels文件夹下的对应的txt文件里面) 第一种dataset(文件夹名即为标签)
数据组织格式1
--data
----train
------class1(文件夹名字即为标签)
--------image1.jpg
------class2
dataset
from torch.utils.data import Dataset
from PIL import Image
class Mydata(Dataset):def __init__(self,root_dir,label_dir):self.root_dir root_dirself.label_dir label_dirself.path os.path.join(self.root_dir,self.label_dir)self.img_path os.listdir(self.path)def __getitem__(self, idx):img_name self.img_path[idx]img_item_path os.path.join(self.path,img_name)img Image.open(img_item_path)label self.label_dirreturn img,labeldef __len__(self):return len(self.img_path)root_dir../PATH/TO/train
class1_label_dirclass1
class2_label_dirclass2class1_data Mydata(root_dir,class1_label_dir)
class2_data Mydata(root_dir,class2_label_dir) train_dataset class1_dataclass2_data 用于将格式1转换为格式2
数据集格式转换
import os
root_dir root_path
target_dir target_image
img_path os.listdir(os.path.join(root_dir, target_dir))
label target_dir.split(_)[0]
out_dir ants_label
for i in img_path:file_name i.split(.jpg)[0]with open(os.path.join(root_dir, out_dir,{}.txt.format(file_name)),w) as f:f.write(label) 第二种dataset(标签在labels文件夹下的对应的txt文件里面)
数据组织格式2
--data
----train
------images
--------01.jpg
------labels
--------01.txt (txt里面的内容是label内容目标检测分类等
# 导入PyTorch的数据集工具和其他必要的库
from torch.utils.data import Dataset
import os
from PIL import Image# 自定义的数据集类继承自torch.utils.data.Dataset
class Mydate(Dataset):def __init__(self, dir_root, dir_image, dir_label):# 初始化函数设置数据集的根目录、图像目录和标签目录self.root dir_root # 数据集的根目录self.image_dir dir_image # 存放图像的子目录self.image_path os.path.join(self.root, self.image_dir) # 图像的完整路径self.label_dir dir_label # 存放标签的子目录self.label_path os.path.join(self.root, self.label_dir) # 标签的完整路径# 获取图像文件列表和标签文件列表self.image_list os.listdir(os.path.join(dir_root, dir_image)) # 根据图像目录列出所有图像文件self.label_list os.listdir(os.path.join(dir_root, dir_label)) # 根据标签目录列出所有标签文件def __getitem__(self, idx):# 通过索引获取数据集中的单个样本包括图像和标签image_name self.image_list[idx] # 根据索引获取图像文件名image_path os.path.join(self.image_path, image_name) # 构造图像的完整路径label_name self.label_list[idx] # 根据索引获取标签文件名label_path os.path.join(self.label_path, label_name) # 构造标签的完整路径img Image.open(image_path).convert(RGB) # 打开图像文件并转换为RGB格式# 读取标签文件with open(label_path, r) as f:label f.read().strip() # 读取标签内容并去除可能的空白字符return img, labeldef __len__(self):# 返回数据集中样本的总数return len(self.image_list) # 由于图像列表的长度代表了数据集大小直接返回其长度##############测试代码################
if __name__ __main__:# 指定数据集的根目录、图像目录和标签目录dir_root root\\path\\traindir_image imagesdir_label labelstest_data Mydate(dir_root, dir_image, dir_label) # 创建数据集实例idx 0 # 指定要获取的样本索引img, label test_data[idx] # 获取指定索引的样本print(label) # 打印样本的标签
