Question

我正在尝试使用pytorch中预先训练的ResNet模型计算前向传球。我在制作4-d Tensor迷你批次时遇到了麻烦。有人可以告诉你这样做的正确方法是什么？

编辑：我改变了代码，现在可以使用了。但是，我仍然认为应该采用更有效的方法。

这是我的代码：

import pickle
import json
import shutil
import Image
import torchvision.models as models
import torchvision.transformers as transformers
from torch.autograd import Variable
from torch import Tensor
import glob
import torch

batch_size = 128
im_size = 299

normalize = transforms.Normalize(
   mean=[0.485, 0.456, 0.406],
   std=[0.229, 0.224, 0.225]
)
preprocess = transforms.Compose([
   transforms.Scale(im_size),
   transforms.CenterCrop(im_size),
   transforms.ToTensor(),
   normalize
])


model = models.resnet50(pretrained=True)

d_batch = make_batch(imgs, batch_size)

dtype = torch.FloatTensor
tmp = Variable(torch.randn(batch_size, 3, im_size, im_size).type(dtype), requires_grad=False)


for batch in tqdm(batches):
        try:
                data = [Image.open(img) for img in batch]
                for idx, item in enumerate(data):
                        tmp[idx] = preprocess(item)
                batch_result = model(tmp)
        except Exception,x:
                print x

Answer 1

使用dataset = torchvision.datasets.ImageFolder(...)，您可以从图像文件夹加载数据集。之后，您可以使用torch.utils.data.DataLoader(dataset, batch_size=batchSize)指定小批量大小以及其他用于进一步处理的内容。

如何在pytorch中有效地制作一小批图像？

1 个答案: