我正在处理图像分类器数据集。我的数据集中有31个班级，每个班级都有一个文件夹。为了进行培训，我以以下方式加载数据：
Promise {<pending>}现在对于批量大小为32的每个批次，暗度为：from torchvision import datasets, transforms
import torch
def load_training(root_path, dir, batch_size, kwargs):
transform = transforms.Compose(
[transforms.Resize([256, 256]),
transforms.RandomCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor()])
data = datasets.ImageFolder(root=root_path + dir, transform=transform)
train_loader = torch.utils.data.DataLoader(data, batch_size=batch_size, shuffle=False, drop_last=True, **kwargs)
return train_loader
。我知道 Pytorch 使用 PIL 加载图像。但是，当我尝试使用PIL并使用以下代码段从大小为32的名为[32,3,224,224]的列表中加载图像时：
images它说for i in images:
im = Image.open(root_dir + dir + i)
im = im.convert('RGB')
im.load()
im = im.resize((224, 224))
im = np.asarray( im, dtype="int32" )
print(im.shape)
temp_im_2 = torch.from_numpy(np.array(temp_im)).float()
是im.shape。我究竟做错了什么？在(32,224,224,3)的两种情况下，如何使批次具有相同的形状？
答案 0 :(得分：0)
仅交换轴怎么样？如果im.transpose(0, 3, 1, 2)具有四个维度，则类似于im。但是，im.shape应该返回(224, 224, 3)，因为您仅加载了一张图像，因此im.transpose(2, 0, 1)应该为您提供具有第一维通道的图像，然后您可以将其堆叠在一起以形成一批。
答案 1 :(得分：0)
您应该使用.transpose而不是使用im.permute()，因为它需要多次调暗才能进行交换。
您的情况是im.permute(0, 3, 1, 2)