2023.2.23深度学习 图片分类数据集

from torch.utils import data

torch.utils.data解析

PyTorch 数据集处理包 torch.utils.data 的核心是 DataLoader 类。

DataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
           batch_sampler=None, num_workers=0, collate_fn=None,
           pin_memory=False, drop_last=False, timeout=0,
           worker_init_fn=None, *, prefetch_factor=2,
           persistent_workers=False)

它构造一个 可迭代对象 loader，代表经过 “加工” 后的数据集。所谓的 “加工” 过程，是由构造函数参数表指定的，它包括：

• 设置数据的加载顺序（通过修改 shuffle 或 sampler 参数）

• 对数据进行 batching 处理（通过修改 batch_size，batch_sampler，collate_fn 及 drop_last 参数）

• 实现 multi-process loading，memory pinning 等（此处不涉及）

一旦构造了 DataLoader 对象 loader，就可以用来加载数据。缺省情况下，PyTorch 会对数据进行 auto-batching，此时 data 对应一个 batch 的数据。

for data in loader:
    # data 是数据集中的一组数据，且已转换成 Tensor

from torchvision import transforms

TorchVision中Transforms的使用

一、Transforms结构

1、功能

对图片进行一些变换

2、引入库

from torchvision import transforms

3、结构

transforms其实是一个.py文件，当作一个工具箱的话，里面还有很多分隔区和工具等。Traansforms.py文件中包含许多class，class内又有许多方法。

（1）最常用的是Totensor类，作用是把一个PIL/Numpy.ndarray类型的图片转化为tensor类型

（2）ToPILImage(object)方法：把一个图片转化为PILImage类型

（3）Normalize (object)正则化

（4）Resize(object)：进行尺寸的变换

（5）CenterCrop（object）：对图片进行中心的裁剪

PILImage类型

Python图像库PIL(Python Image Library)是python的第三方图像处理库

PIL可以做很多和图像处理相关的事情:

1. 图像归档(Image Archives)。PIL非常适合于图像归档以及图像的批处理任务。你可以使用PIL创建缩略图，转换图像格式，打印图像等等。

2. 图像展示(Image Display)。PIL较新的版本支持包括Tk PhotoImage，BitmapImage还有Windows DIB等接口。PIL支持众多的GUI框架接口，可以用于图像展示。

3. 图像处理(Image Processing)。PIL包括了基础的图像处理函数，包括对点的处理，使用众多的卷积核(convolution kernels)做过滤(filter),还有颜色空间的转换。PIL库同样支持图像的大小转换，图像旋转，以及任意的仿射变换。PIL还有一些直方图的方法，允许你展示图像的一些统计特性。这个可以用来实现图像的自动对比度增强，还有全局的统计分析等。

d2l.use_svg_display()

d2l.use_svg_display ()的作用是设置Matplotib库的图像显示方式为SVG格式，以便在网页中更好地显示图像。

axes = axes.flatten()

ax = ax.flatten()是numpy.ndarray.flatten的一个函数，即返回一个一维数组。axes.flatten()表示把axes数组降到一维，默认为按行的方向降。