qq_41140062的博客

感谢学姐的教学，本次的代码的目标是，手动制作好训练样本后，根据一定的比例，从训练样本中选出一部分数据作为验证样本，主要用到的库有os、random，以及shutil。os用来处理路径信息，shutil则用来根据路径以及random设置的比例对数据进行移动。需要注意的是，训练集的创建需要按格式创建，即每种类别单独建立一个文件夹，然后所有类别的文件夹放于‘Train’文件夹下：D:\Anaconda3\data\yangmiao_data为底层文件夹，验证集‘Val’无需事先创建，代码中会自动创建Trai

使用Dataset制作好数据集之后，可以用Dataloader进行读取，然后用resnet34进行训练。数据集在资源中有，设置为0积分，可供大家使用。具体代码及注释如下1 模块导入其中data_read是利用Dataset制作数据集时写的文件# 从data_read文件中读取函数# data_read是创建的数据集制作函数from data_read import ImageFloder, train_transform, test_transformimport numpy as npim

在Pytorch学习的时候，除了直接使用MNIST数据集训练LeNET网络外，还需要制作自己的数据集，因此在学长的帮助下，终于是读懂了torch.utils.data.Dataset的使用。因为师兄叫我直接从代码入手学习python，就没有关注特别基础的东西，不过这一次也算是稍微弄懂了python中有关类的定义与使用。使用Dataset得到自己的数据集时，主要应用到的函数有__init__,ge...