PyTorch包含一个名为torchvision的包,用于加载和准备数据集(dataset)。它包括Dataset和DataLoader两个基本函数,用于帮助数据集(dataset)的转换和加载。

1、Dataset

数据集(dataset)用于从给定数据集读取和转换数据点。 下面提到实施的基本语法:

trainset = torchvision.datasets.CIFAR10(root = './data', train = True,
   download = True, transform = transform)

DataLoader用于shuffle和batch数据。它可以用于与多处理工作线程并行加载数据。

trainloader = torch.utils.data.DataLoader(trainset, batch_size = 4,
   shuffle = True, num_workers = 2)

例如:加载CSV文件

使用Python Panda加载CSV文件。原始文件的格式如下:(图像名称,68个地标——每个地标都有一个x, y坐标)。。

landmarks_frame = pd.read_csv('faces/face_landmarks.csv')

n = 65
img_name = landmarks_frame.iloc[n, 0]
landmarks = landmarks_frame.iloc[n, 1:].as_matrix()
landmarks = landmarks.astype('float').reshape(-1, 2)

推荐文档