1. pytorch库自带数据

为了更好的理解，这里以CIFAR10数据集作为训练和测试数据集。
我们将使用CIFAR10数据集，它包含十个类别：
[‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’]。
CIFAR-10 中的图像尺寸为3x32x32，也就是RGB的3层颜色
通道，每层通道内的尺寸为32x32。

数据预处理

😃CIFAR10数据集的输出是范围在[0,1]之间的 PILImage，即对每个类别的概率分布情况。所以我们需要通过ToTensor()把图像灰度范围从（0-255）变换到（0-1）之间，并通过transform.Normalize()把（0-1）变换到（-1,1）

import torch
import torchvision
import torchvision.transforms as transforms#定义三个通道的像素值 均值(mean)为0.5，方差(std)为0.5
transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])

数据生成

torchvision.datasets中包含了以下数据集

• MNIST
• COCO（用于图像标注和目标检测）(Captioning and Detection)
• LSUN Classification
• ImageFolder
• Imagenet-12
• CIFAR10 and CIFAR100
• STL10

数据生成函数：

class torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)

参数说明：

• root：保存数据集的目录
• train：True= 训练集, False = 测试集
• download：True = 从互联网上下载数据集，并把数据集放在root目录下. 如果数据集之前下载过，就不用再重复下载。
• transform：对数据集预处理的函数

trainset = torchvision.datasets.CIFAR10(root='./data',train=True,download=True, transform=transform)
testset = torchvision.datasets.CIFAR10(root='./data',train=False,download=True, transform=transform)

数据加载

数据加载函数：

class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False)

参数说明：

• dataset (Dataset)：加载数据的数据集。
• batch_size (int, optional)：每个batch加载多少个样本(默认: 1)。
• shuffle (bool, optional)：设置为True时会在每个epoch重新打乱数据(默认: False).
• sampler (Sampler, optional)：定义从数据集中提取样本的策略。如果指定，则忽略shuffle参数。
• num_workers (int, optional)：用多少个子进程加载数据。0表示数据将在主进程中加载(默认: 0)

trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True, num_workers=2)
testloader = torch.utils.data.DataLoader(testset,batch_size=4,shuffle=False, num_workers=2)

2. 训练自己的数据

由于pytorch库中的数据集包含的种类比较匮乏，我们在实际的应用中往往还会对其他的事物做图像分类，因此需要自己的数据集图像来训练，实现图像分类。

生成数据集

要想用自己的数据集进行图像分类或者其他计算机视觉应用，不是之前下载好图片，进行训练就行了🤣

首先第一步需要自己的图像数据集进行标注

标注图像需要用到标注工具，这里介绍一种最方便的：labelimg

安装labelimg，只需要在终端运行

pip install labelimg

之后在终端运行如下代码，即可开始对图像进行标注

(base) MacBook-Air ~ % labelimg

进行批量标注：
点击打开文件按钮可以打开需要被标注的图片的文件夹。
点击改变存放目录按钮可以打开标注文件存放的文件夹。
点击w快捷键可以开始标注，标注完后需要保存

最后标注完成的图像，会生成一个标注文件xml格式。

数据预处理

接下来就是对标注后的图像进行预处理。
首先创建一个文件夹（这里按照官方的文件夹名字命名😂）

• Annotations：存放标注xml文件
• JPEGImages：存放图片
• ImageSets：存放一个名为Main文件夹，Main文件夹用来存放后续生成的train.txt，val.txt，test.txt、trainval.txt（也可以只有train.txt和test.txt，根据个人需求看是否需要验证集），这些文件保存的内容为图片的名字（没有后缀格式）
• src：存放后续生成的train.txt，val.txt，test.txt、trainval.txt，但这里的的文件内容是，对应每个图片的绝对路径+类别
• label：存放不同图像的标注文件（感觉这个文件没有用😂）

生成Main里的文件：

import os
import random 
random.seed(0)xmlfilepath='Annotations'
saveBasePath="ImageSets/Main/"trainval_percent=1
train_percent=1temp_xml = os.listdir(xmlfilepath)
total_xml = []
for xml in temp_xml:if xml.endswith(".xml"):total_xml.append(xml)num=len(total_xml)  
list=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list,tv)  
train=random.sample(trainval,tr)  print("train and val size",tv)
print("traub suze",tr)
ftrainval = open(os.path.join(saveBasePath,'trainval.txt'), 'w')  
ftest = open(os.path.join(saveBasePath,'test.txt'), 'w')  
ftrain = open(os.path.join(saveBasePath,'train.txt'), 'w')  
fval = open(os.path.join(saveBasePath,'val.txt'), 'w')  for i  in list:  name=total_xml[i][:-4]+'\n'  if i in trainval:  ftrainval.write(name)  if i in train:  ftrain.write(name)  else:  fval.write(name)  else:  ftest.write(name)  ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close()

生成src里的文件：

import xml.etree.ElementTree as ET
from os import getcwdsets=['train','val','test','trainval']
classes = ['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']def convert_annotation(image_id, list_file):in_file = open('Annotations/%s.xml'%(image_id), encoding='utf-8')tree=ET.parse(in_file)root = tree.getroot()for obj in root.iter('object'):difficult = 0 if obj.find('difficult')!=None:difficult = obj.find('difficult').textcls = obj.find('name').textif cls not in classes or int(difficult)==1:continuecls_id = classes.index(cls)xmlbox = obj.find('bndbox')b = (int(float(xmlbox.find('xmin').text)), int(float(xmlbox.find('ymin').text)), int(float(xmlbox.find('xmax').text)), int(float(xmlbox.find('ymax').text)))list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(cls_id))wd = getcwd()for image_set in sets:image_ids = open('ImageSets/Main/%s.txt'%(image_set), encoding='utf-8').read().strip().split()list_file = open('src/%s.txt'%(image_set), 'w', encoding='utf-8')for image_id in image_ids:list_file.write('JPEGImages/%s.jpg'%(image_id))#这里写入的是图片的绝对路径convert_annotation(image_id, list_file)list_file.write('\n')list_file.close()

数据加载

from PIL import Image
import torch
import torchvision.transforms as transformsclass MyDataset(torch.utils.data.Dataset):  # 创类：MyDataset,继承torch.utils.data.Datasetdef __init__(self, datatxt, transform=None):super(MyDataset, self).__init__()fh = open(datatxt, 'r')  # 打开src中的txt文件，读取内容imgs = []for line in fh:  # 按行循环txt文本中的内容line = line.rstrip()  # 删除本行string字符串末尾的指定字符words = line.split()  # 通过指定分隔符对字符串进行切片，默认为所有的空字符，包括空格、换行、制表符等imgs.append((words[0], int(words[1])))  # 把txt里的内容读入imgs列表保存，words[0]是图片信息，words[1]是labelself.imgs = imgsself.transform = transformdef __getitem__(self, index):  # 按照索引读取每个元素的具体内容fn, label = self.imgs[index]  # fn是图片pathimg = Image.open(fn).convert('RGB')  # from PIL import Imageif self.transform is not None:  # 是否进行transformimg = self.transform(img)return img, label  # return回哪些内容，在训练时循环读取每个batch，就能获得哪些内容def __len__(self):  # 它返回的是数据集的长度，必须有return len(self.imgs)'''标准化、图片变换'''
mean = [0.5071, 0.4867, 0.4408]
stdv = [0.2675, 0.2565, 0.2761]
train_transforms = transforms.Compose([transforms.RandomCrop(224),transforms.RandomHorizontalFlip(),transforms.ToTensor(),transforms.Normalize(mean=mean, std=stdv)])train_data = MyDataset(datatxt='train.txt', transform=train_transforms)train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=64, shuffle=True)