到目前为止，我的代码

Question

我正在尝试为不平衡数据集（类别0 = 4000张图像，类别1 =大约250张图像）创建一个二进制CNN分类器，我想对其执行5倍交叉验证。当前，我正在将训练集加载到ImageLoader中，该图像集将应用转换/增强（？）并将其加载到DataLoader中。但是，这会导致我的训练拆分和验证拆分都包含增强数据。

我最初是离线应用转换（离线扩充？）来平衡我的数据集，但是从这个线程（https://stats.stackexchange.com/questions/175504/how-to-do-data-augmentation-and-train-validate-split）看来，仅扩充训练集似乎是理想的。我也更愿意在仅扩充的训练数据上训练我的模型，然后通过5倍交叉验证在非扩充的数据上对其进行验证

我的数据按根/标签/图像进行组织，其中有2个标签文件夹（0和1），图像分别分类到各个标签中。

到目前为止，我的代码

total_set = datasets.ImageFolder(ROOT, transform = data_transforms['my_transforms'])

//Eventually I plan to run cross-validation as such:
splits = KFold(cv = 5, shuffle = True, random_state = 42)

for train_idx, valid_idx in splits.split(total_set):
    train_sampler = SubsetRandomSampler(train_idx)
    valid_sampler = SubsetRandomSampler(valid_idx)

    train_loader = torch.utils.data.DataLoader(total_set, batch_size=32, sampler=train_sampler)
    val_loader = torch.utils.data.DataLoader(total_set, batch_size=32, sampler=valid_sampler)

model.train()
//Model train/eval works but may be overpredict

我确定我在这段代码中做的不是最理想的，或者是错误的，但是我似乎找不到任何文档来专门增强交叉验证中的训练内容！

任何帮助将不胜感激！

Answer 1

一种方法是实现包装器Dataset类，该类将转换应用于ImageFolder数据集的输出。例如

class WrapperDataset:
    def __init__(self, dataset, transform=None, target_transform=None):
        self.dataset = dataset
        self.transform = transform
        self.target_transform = target_transform

    def __getitem__(self, index):
        image, label = self.dataset[index]
        if self.transform is not None:
            image = self.transform(image)
        if self.target_transform is not None:
            label = self.target_transform(label)
        return image, label

    def __len__(self):
        return len(self.dataset)

然后，您可以在代码中使用不同的转换包装较大的数据集。

total_set = datasets.ImageFolder(ROOT)

//Eventually I plan to run cross-validation as such:
splits = KFold(cv = 5, shuffle = True, random_state = 42)

for train_idx, valid_idx in splits.split(total_set):
    train_sampler = SubsetRandomSampler(train_idx)
    valid_sampler = SubsetRandomSampler(valid_idx)

    train_loader = torch.utils.data.DataLoader(
        WrapperDataset(total_set, transform=data_transforms['train_transforms']),
        batch_size=32, sampler=train_sampler)
    valid_loader = torch.utils.data.DataLoader(
        WrapperDataset(total_set, transform=data_transforms['valid_transforms']),
        batch_size=32, sampler=valid_sampler)

    # train/validate now

由于我没有完整的代码/模型，因此我没有测试过此代码，但是概念应该很清楚。

仅扩充K折交叉验证中的训练集

到目前为止，我的代码

1 个答案: