Pytorch: 使用Dataset和DataLoader读取本地csv文件

本文介绍了一个使用PyTorch进行图像识别的数据加载过程,包括从CSV文件中读取数据,利用PIL和torchvision转换图像,以及创建自定义数据集类DatasetFromCSV。通过该方法,可以有效地将图像数据转化为适用于深度学习模型的格式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import numpy as np
import pandas as pd
from PIL import Image
from torch import optim,nn
import torch.nn.functional as F
from torchvision import transforms
from torch.utils.data.dataset import Dataset

class DatasetFromCSV(Dataset):
    def __init__(self, csv_path, height, width, transforms=None):

        self.data = pd.read_csv(csv_path)
        self.labels = np.asarray(self.data.iloc[:, 0])
        self.height = height
        self.width = width
        self.transforms = transforms

    def __getitem__(self, index):
        single_image_label = self.labels[index]
        # 读取所有像素值,并将 1D array ([784]) reshape 成为 2D array ([28,28])
        img_as_np = np.asarray(self.data.iloc[index][1:]).reshape(28, 28).astype(float)
        # 把 numpy array 格式的图像转换成灰度 PIL image
        img_as_img = Image.fromarray(img_as_np)
        img_as_img = img_as_img.convert('L')
        # 将图像转换成 tensor
        if self.transforms is not None:
            img_as_tensor = self.transforms(img_as_img)
            # 返回图像及其 label
        return (img_as_tensor, single_image_label)

    def __len__(self):
        return len(self.data.index)



batch_size = 64
transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.5,),(0.5,))])

train_data= DatasetFromCSV('./data/train.csv', 28,28,transform)
test_data = DatasetFromCSV("./data/test.csv",28,28,transform)

train_loader = torch.utils.data.DataLoader(train_data,batch_size=batch_size)
test_loader = torch.utils.data.DataLoader(test_data,batch_size=batch_size)

img,lab = next(iter(train_loader))
print(img.shape)

 

### 使用 PyTorch 的 `Dataset` `DataLoader` 进行数据读取处理 #### 创建自定义 Dataset 类 为了使用自己的数据集,在 PyTorch 中需要创建继承于 `torch.utils.data.Dataset` 的子类。这个类至少要实现两个方法: - `__len__(self)` 返回数据集中样本的数量。 - `__getitem__(self, idx)` 支持按照索引获取某个样本。 下面展示了一个简单的例子,假设有一个图像分类任务的数据集[^1]: ```python from torch.utils.data import Dataset, DataLoader import os from PIL import Image import torchvision.transforms as transforms class CustomImageDataset(Dataset): def __init__(self, annotations_file, img_dir, transform=None, target_transform=None): self.img_labels = pd.read_csv(annotations_file) self.img_dir = img_dir self.transform = transform self.target_transform = target_transform def __len__(self): return len(self.img_labels) def __getitem__(self, idx): img_path = os.path.join(self.img_dir, self.img_labels.iloc[idx, 0]) image = Image.open(img_path).convert('RGB') label = self.img_labels.iloc[idx, 1] if self.transform: image = self.transform(image) if self.target_transform: label = self.target_transform(label) return image, label ``` 这段代码展示了如何构建一个名为 `CustomImageDataset` 的自定义数据集类,它可以从文件夹中读取图片并应用转换操作[^3]。 #### 构建 DataLoader 实例 有了上述的 `CustomImageDataset` 后,可以利用 `DataLoader` 来批量加载这些数据,并支持多线程加速读取过程。以下是具体做法: ```python transform = transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor() ]) train_dataset = CustomImageDataset( annotations_file='data/train.csv', img_dir='data/images/', transform=transform, ) train_loader = DataLoader(train_dataset, batch_size=8, shuffle=True, num_workers=4) ``` 这里配置了 `DataLoader` 参数来控制每次迭代返回多少张图片 (`batch_size`) ,是否打乱顺序 (`shuffle`) 及使用的工作者数量 (`num_workers`) 。这有助于提高训练效率以及模型泛化能力。 通过这种方式就可以方便地将自己的数据集接入到基于 PyTorch 开发的工作流当中去了。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值