DataLoader-改组隐式对

时间:2018-09-05 10:33:04

标签: image-processing machine-learning deep-learning computer-vision pytorch

是否有一种方法可以将public function show($blog_id) 作为列表来处理?我的想法是,我想对隐式图像对进行混洗,而不必将混洗设置为True

基本上,我有10个场景,每个场景包含100个序列,因此它们在目录中表示为

DataLoader

我不希望对数据进行完全改组,我只想改组但保留对,因此它们在数据加载器中表示为

'1_1.png', '1_2.png', '1_3.png', '....., '2_1.png', '2_2.png', '2_3.png', ...., '3_1.png', '3_2.png', '3_3.png', ..., ...., '10_1.png', '10_2.png', '10_3.png', ... 等等

请看看我在question上问过的有关Stack Overflow的隐式对改组数组,您可以理解我的意思

例如: 如果这是一个列表

[ '1_3.png', '1_4.png', '2_2.png', '2_3.png', '10_1.png', '10_2.png', '1_2.png', '1_3.png', ...]

然后这就是输出

L = [['1_1'],['1_2'],['1_3'],['1_4'],['1_5'],['1_6'],['2_1'],['2_2'],['2_3'],['2_4'],['2_5'],['2_6'],['3_1'],['3_2'],['3_3'],['3_4'],['3_5'],['3_6']]

我想为[['1_2'], ['1_3'], ['2_1'], ['2_2'], ['2_4'], ['2_5'], ['2_2'], ['2_3'], ['1_3'], ['1_4'], ['3_4'], ['3_5'], ['3_3'], ['3_4'], ['3_2'], ['3_3'], ['1_6'], ['2_1'], ['2_5'], ['2_6'], ['2_6'], ['3_1'], ['1_4'], ['1_5'], ['1_1'], ['1_2'], ['2_3'], ['2_4'], ['1_5'], ['1_6'], ['3_1'], ['3_2'], ['3_5'], ['3_6']]

实现相同的目标

主要思想是,我想在连续的帧上训练我的网络,但这不必是完整的序列,但是至少我需要每一步,有两个序列

1 个答案:

答案 0 :(得分:1)

我认为您正在寻找data.Sampler:您可以提供自己的“采样器”来对data.DataLoader中的示例进行采样,而不是Dataset的完全随机默认设置。 /> 查看data.DataLoader的输入参数:

  

采样器Sampler,可选)–定义抽取样本的策略   从数据集中。如果指定,shuffle必须为False

我认为,最好的出发点是看data.SubsetRandomSampler的代码。