PyTorch – 数据集

在本章中，我们将更多地关注 torchvision.datasets 及其各种类型。PyTorch包括以下数据集加载器—-。

• MNIST
• COCO（字幕和检测）。

数据集包括以下两种类型的大部分函数：

• Transform — 一个接收图像并返回标准东西的修改版本的函数。这些可以和变换一起组成。

• Target_transform – 一个接收目标并对其进行转换的函数。例如，接收标题字符串并返回一个世界指数的张量。

MNIST

以下是MNIST数据集的示例代码 –

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

参数如下 –

• root – 存在已处理数据的数据集的根目录。

• train – True = 训练集，False = 测试集

• download – True = 从互联网上下载数据集并把它放在根目录下。

COCO

这需要安装COCO API。下面的例子用来演示使用PyTorch实现数据集的COCO-

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)

实现的产出如下 –

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