PyTorchの場所

コーヒー買ってきて☕

*私の投稿では Places365 について説明しています。

Places365() は、以下に示すように Places365 データセットを使用できます。

*メモ:

• 最初の引数は root(Required-Type:str または pathlib.Path) です。 *絶対パスまたは相対パスが可能です。
• 2番目の引数はsplit(Optional-Default:"train-standard"-Type:str)です。 ※「train-standard」(1,803,460枚)、「train-challenge」(8,026,628枚)、「val」(36,500枚)が設定可能です。 「テスト」(328,500 枚の画像) はサポートされていないため、GitHub で機能をリクエストしました。
• 3 番目の引数は small(Optional-Default:False-Type:bool) です。
• 4 番目の引数は download(Optional-Default:False-Type:bool) です。 *メモ:
  • True の場合、データセットはインターネットからダウンロードされ、ルートに抽出 (解凍) されます。
  • これが True で、データセットが既にダウンロードされている場合、データセットは抽出されます。
  • これが True で、データセットが既にダウンロードされ抽出されている場合、抽出されたフォルダーが存在するため、エラーが発生します。 ※解凍したフォルダーを削除してもエラーは発生しません。
  • データセットがすでにダウンロードされ、抽出されている場合、エラーが発生しないように False にする必要があります。
  • ここから:
    • split="train-standard" と small=False の場合、データセット filelist_places365-standard.tar と train_large_places365standard.tar をそれぞれ data/ と data/data_large_standard/ に手動でダウンロードして抽出できます。
    • split="train-standard" と small=True の場合、データセット filelist_places365-standard.tar と train_256_places365standard.tar をそれぞれ data/ と data/data_256_standard/ に手動でダウンロードして抽出できます。
    • split="train-challenge" と small=False の場合、データセット filelist_places365-challenge.tar と train_large_places365challenge.tar をそれぞれ data/ と data/data_large/ に手動でダウンロードして抽出できます。
    • split="train-challenge" と small=True の場合、データセット filelist_places365-challenge.tar と train_256_places365challenge.tar をそれぞれ data/ と data/data_256_challenge/ に手動でダウンロードして抽出できます。
    • split="val" と small=False の場合、データセット filelist_places365-standard.tar と val_large.tar をそれぞれ data/ と data/val_large/ に手動でダウンロードして抽出できます。
    • split="val" と small=True の場合、データセット filelist_places365-standard.tar と val_large.tar をそれぞれ data/ と data/val_256/ に手動でダウンロードして抽出できます。
• 5 番目の引数は、transform(Optional-Default:None-Type:callable) です。
• 6 番目の引数は target_transform(Optional-Default:None-Type:callable) です。
• 7 番目の引数は、loader(Optional-Default:torchvision.datasets.folder.default_loader-Type:callable) です。
• 「電車標準」画像インデックスのクラスのラベルについて、airfield(0) は 0~4999、airplane_cabin(1) は 5000~9999、空港ターミナル(2) は10000~14999、床の間(3)は15000~19999、路地(4)は20000~24999、円形劇場(5)は25000~29999、 アミューズメントアーケード(6)は30000~34999、アミューズメントパーク(7)は35000~39999、アパートビル/屋外(8)は40000~44999、 水族館(9) は 45000~49999 など
• 「train-challenge」画像インデックスのクラスのラベルについて、airfield(0) は 0~38566、airplane_cabin(1) は 38567~47890、空港ターミナル(2) は47891~74901、床の間(3)は74902~98482、路地(4)は98483~137662、円形劇場(5)は137663~150034、 アミューズメントアーケード(6)は150035~161051、アミューズメントパーク(7)は161052~201051、アパートビル/屋外(8)は201052~227872、 水族館(9) は 227873 ～ 267872 などです。

from torchvision.datasets import Places365
from torchvision.datasets.folder import default_loader

trainstd_large_data = Places365(
    root="data"
)

trainstd_large_data = Places365(
    root="data",
    split="train-standard",
    small=False,
    download=False,
    transform=None,
    target_transform=None,
    loader=default_loader
)

trainstd_small_data = Places365(
    root="data",
    split="train-standard",
    small=True
)

trainchal_large_data = Places365(
    root="data",
    split="train-challenge",
    small=False
)

trainchal_small_data = Places365(
    root="data",
    split="train-challenge",
    small=True
)

val_large_data = Places365(
    root="data",
    split="val",
    small=False
)

val_small_data = Places365(
    root="data",
    split="val",
    small=True
)

len(trainstd_large_data), len(trainstd_small_data)
# (1803460, 1803460)

len(trainchal_large_data), len(trainchal_small_data)
# (8026628, 8026628)

len(val_large_data), len(val_small_data)
# (36500, 36500)

trainstd_large_data
# Dataset Places365
#     Number of datapoints: 1803460
#     Root location: data
#     Split: train-standard
#     Small: False

trainstd_large_data.root
# 'data'

trainstd_large_data.split
# 'train-standard'

trainstd_large_data.small
# False

trainstd_large_data.download_devkit
trainstd_large_data.download_images
# <bound method Places365.download_devkit of Dataset Places365
#     Number of datapoints: 1803460
#     Root location: data
#     Split: train-standard
#     Small: False>

print(trainstd_large_data.transform)
# None

print(trainstd_large_data.target_transform)
# None

trainstd_large_data.loader
# <function torchvision.datasets.folder.default_loader(path: str) -> Any>

len(trainstd_large_data.classes), trainstd_large_data.classes
# (365,
#  ['/a/airfield', '/a/airplane_cabin', '/a/airport_terminal',
#   '/a/alcove', '/a/alley', '/a/amphitheater', '/a/amusement_arcade',
#   '/a/amusement_park', '/a/apartment_building/outdoor',
#   '/a/aquarium', '/a/aqueduct', '/a/arcade', '/a/arch',
#   '/a/archaelogical_excavation', ..., '/y/youth_hostel', '/z/zen_garden'])

trainstd_large_data[0]
# (<PIL.Image.Image image mode=RGB size=683x512>, 0)

trainstd_large_data[1]
# (<PIL.Image.Image image mode=RGB size=768x512>, 0)

trainstd_large_data[2]
# (<PIL.Image.Image image mode=RGB size=718x512>, 0)

trainstd_large_data[5000]
# (<PIL.Image.Image image mode=RGB size=512x683 at 0x1E7834F4770>, 1)

trainstd_large_data[10000]
# (<PIL.Image.Image image mode=RGB size=683x512 at 0x1E7834A8110>, 2)

trainstd_small_data[0]
# (<PIL.Image.Image image mode=RGB size=256x256>, 0)

trainstd_small_data[1]
# (<PIL.Image.Image image mode=RGB size=256x256>, 0)

trainstd_small_data[2]
# (<PIL.Image.Image image mode=RGB size=256x256>, 0)

trainstd_small_data[5000]
# (<PIL.Image.Image image mode=RGB size=256x256>, 1)

trainstd_small_data[10000]
# (<PIL.Image.Image image mode=RGB size=256x256>, 2)

trainchal_large_data[0]
# (<PIL.Image.Image image mode=RGB size=683x512 at 0x156E22BB680>, 0)

trainchal_large_data[1]
# (<PIL.Image.Image image mode=RGB size=768x512 at 0x156DF8213D0>, 0)

trainchal_large_data[2]
# (<PIL.Image.Image image mode=RGB size=718x512 at 0x156DF8213D0>, 0)

trainchal_large_data[38567]
# (<PIL.Image.Image image mode=RGB size=512x683 at 0x156DF8213D0>, 1)

trainchal_large_data[47891]
# (<PIL.Image.Image image mode=RGB size=683x512 at 0x156DF8213D0>, 2)

trainchal_small_data[0]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2955B625CA0>, 0)

trainchal_small_data[1]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2950D2A8350>, 0)

trainchal_small_data[2]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2950D2A82C0>, 0)

trainchal_small_data[38567]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2955B3BF6B0>, 1)

trainchal_small_data[47891]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2955B3DD4F0>, 2)

val_large_data[0]
# (<PIL.Image.Image image mode=RGB size=512x772 at 0x295408DA750>, 165)

val_large_data[1]
# (<PIL.Image.Image image mode=RGB size=600x493 at 0x29561D468D0>, 358)

val_large_data[2]
# (<PIL.Image.Image image mode=RGB size=763x512 at 0x2955E09DD60>, 93)

val_large_data[3]
# (<PIL.Image.Image image mode=RGB size=827x512 at 0x29540938A70>, 164)

val_large_data[4]
# (<PIL.Image.Image image mode=RGB size=772x512 at 0x29562600650>, 289)

val_small_data[0]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2950D34C500>, 165)

val_small_data[1]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x29540892870>, 358)

val_small_data[2]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x2954085DBB0>, 93)

val_small_data[3]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x29561E348C0>, 164)

val_small_data[4]
# (<PIL.Image.Image image mode=RGB size=256x256 at 0x29560A415B0>, 289)

import matplotlib.pyplot as plt

def show_images(data, ims, main_title=None):
    plt.figure(figsize=(12, 6))
    plt.suptitle(t=main_title, y=1.0, fontsize=14)
    for i, j in enumerate(iterable=ims, start=1):
        plt.subplot(2, 5, i)
        im, lab = data[j]
        plt.imshow(X=im)
        plt.title(label=lab)
    plt.tight_layout(h_pad=3.0)
    plt.show()

trainstd_ims = (0, 1, 2, 5000, 10000, 15000, 20000, 25000, 30000, 35000)
trainchal_ims = (0, 1, 2, 38567, 47891, 74902, 98483, 137663, 150035, 161052)
val_ims = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9)

show_images(data=trainstd_large_data, ims=trainstd_ims,
            main_title="trainstd_large_data")
show_images(data=trainstd_small_data, ims=trainstd_ims,
            main_title="trainstd_small_data")
show_images(data=trainchal_large_data, ims=trainchal_ims,
            main_title="trainchal_large_data")
show_images(data=trainchal_small_data, ims=trainchal_ims,
            main_title="trainchal_small_data")
show_images(data=val_large_data, ims=val_ims,
            main_title="val_large_data")
show_images(data=val_small_data, ims=val_ims,
            main_title="val_small_data")

以上がPyTorchの場所の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。