pytorch 在torchvision包里面有很多的的打包好的數據集，例如minist,Imagenet-12,CIFAR10 和CIFAR100。在torchvision的dataset包里面，用的時候直接調用就行了。具體的調用格式可以去看文檔(目前好像只有英文的)。網上也有很多源代碼。

不過，當我們想利用自己制作的數據集來訓練網絡模型時，就要有自己的方法了。pytorch在torchvision.dataset包里面封裝過一個函數ImageFolder()。這個函數功能很強大，只要你直接將數據集路徑保存為例如“train/1/1.jpg ,rain/1/2.jpg …… ”就可以根據根目錄“./train”將數據集裝載了。

?

但是后來我發現一個問題，就是這個函數加載出來的圖像矩陣都是三通道的，并且沒有什么參數調用可以讓其變為單通道。如果我們要用到單通道數據集(灰度圖)的話，比如自己加載Lenet-5模型的數據集，就只能自己寫numpy數組再轉為pytorch的Tensor()張量了。

接下來是我做的過程：

首先，還是要用到opencv,用灰度圖打開一張圖片，省事。

?

其次，pytorch有自己的numpy轉Tensor函數，直接轉就行了。

?

下一步利用torch.util和torchvision里面的dataLoader函數，就能直接得到和torchvision.dataset里面封裝好的包相同的數據集樣本了

?

最后就是自己建網絡設計參數訓練了，這部分和文檔以及github中的差不多，就不贅述了。

下面是整個程序的源代碼，我利用的還是上次的車標識別的數據集，一共分四類，用的是2層卷積核兩層全連接。

源代碼：

?

最后的訓練結果和在keras下差不多，不過我訓練的時候好像把訓練集和測試集弄反了，數目好像測試集比訓練集還多，有點尷尬，不過無傷大雅。結果圖如下：

以上這篇Pytorch自己加載單通道圖片用作數據集訓練的實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。

原文鏈接：https://blog.csdn.net/qq_31548387/article/details/73302319

總結

以上是生活随笔為你收集整理的python制作图片数据集_Pytorch自己加载单通道图片用作数据集训练的实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。