Question

假设我正在使用以下电话：

trainset = torchvision.datasets.ImageFolder(root="imgs/", transform=transform)
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,suffle=True,num_workers=1)

据我所知，这将火车组定义为文件夹中的所有图像＆＃34;图像＆＃34;，标签由特定文件夹位置定义。

我的问题是 - 是否有任何直接/简单的方法将列车集定义为此文件夹中图像的子样本？例如，将trainset定义为来自每个子文件夹的10个图像的随机样本？

提前致谢

Answer 1

您可以将类DatasetFolder（或ImageFolder）包装在另一个类中以限制数据集：

class LimitDataset(data.Dataset):
    def __init__(self, dataset, n):
        self.dataset = dataset
        self.n = n

    def __len__(self):
        return self.n

    def __getitem__(self, i):
        return self.dataset[i]

您还可以在LimitDataset中的索引和原始数据集中的索引之间定义一些映射，以定义更复杂的行为（例如随机子集）。

如果要限制每个纪元的批次而不是数据集大小：

from itertools import islice
for data in islice(dataloader, 0, batches_per_epoch):
   ...

请注意，如果您使用此shuffle，数据集大小将相同，但每个纪元将看到的数据将受到限制。如果您不对数据集进行随机播放，这也会限制数据集的大小。

Pytorch：如何让火车驾驶员使用特定数量的图像？

1 个答案: