将Torchvision ImageFolder与测试集一起使用

时间:2019-12-11 07:38:47

标签: python deep-learning pytorch kaggle

我正在尝试使用Udacity课程提供的Sample Notebook解决Kaggle的Dogs-vs-Cats挑战。我已经将文件重新排列到<?php $firstName = $_POST['fname']; $middleName = $_POST['mname']; $lastName = $_POST['lname']; $password = $_POST['pwd']; //Database Connection $conn = new mysqli ('localhost','root','','task1'); if($conn->connect_error){ die('connection failed :' .$conn->connect_error); }else{ $stmt = $conn->prepare("insert to registration(firstName, middleName, lastName, password") values(?,?,?,?) $stmt ->bind_param("ssss",$firstName,$middleName, $lastName, $password); $stmt ->execute(); echo "Registration Successful.."; $stmt ->close(); $conn ->close(); } ?> 目录中的两个文件夹dogs/cats/中,以便train/类可以选择类别,但是我不知道在测试文件夹中做什么?我的标签还没有准备好。

我只是不使用ImageFolder API(似乎该课程使用了它,所以它应该是可用的,并且显然非常方便),或者在不知道类的情况下是否可以使用它。我在官方文档中找不到任何类似的东西,但是应该可以看到课程解决方案以这种方式进行工作。感谢您的帮助。

Udacity Deep-Learning with Pytorch Solution for Transfer Learning

1 个答案:

答案 0 :(得分:1)

通常,在训练网络的上下文中,“测试”集实际上是“验证”集:该模型不会对其进行训练,而只是对其进行训练的标记示例的子集。评估。此验证集用于调整元参数(例如,时期数,学习率,批量大小等)。
因此,尽管没有将验证(“测试”)集用于实际的SGD训练,但您确实有其标签,并且它们被用于估计训练模型的泛化误差。
由于您通常确实有此训练集的标签,因此可以使用与训练集相同的ImageFolder类来阅读它。

但是,如果您有一个完全没有标签的测试集,则仍然可以使用ImageFolder类来处理测试集。您需要创建一个虚拟的子文件夹来表示该集合的“标签”:ImageFolder假定图像基于标签存储在子文件夹中。

相关问题