为了使用自己的图像数据,需要仿照pytorch数据输入创建新的类,其中数据格式为numpy.ndarray。

将自己的图片保存到numpy.ndarray中,然后创建类

from torch.utils.data import Dataset
import numpy as np
 
 
class Dataset(Dataset):
  def __init__(self, path_img, path_target, transforms=None):
    self.train = path_img
    self.targets = path_target
    self.transforms = transforms
 
  def __len__(self):
    return len(self.train)
 
  def __getitem__(self, idx):
    img = self.train[idx]
    target = self.targets[idx]
 
    if self.transforms:
      img = self.transforms(img)
      target = self.transforms(target)
 
    return img, target

使用方法和Mnist数据一样的使用方法

isbi = Dataset(imgs_train, imgs_mask_train,
            transforms=transform)
dataload=torch.utils.data.DataLoader(isbi,batch_size=4,shuffle=True)
for i, data in enumerate(dataload, 1):
  img,label=data
  print img.shape
  print img.shape
  print 10*'*'

以上这篇pytorch 实现将自己的图片数据处理成可以训练的图片类型就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!