PyTorch의 장소

커피 한잔 사주세요😄

*내 게시물은 Places365를 설명합니다.

Places365()는 아래와 같이 Places365 데이터세트를 사용할 수 있습니다.

*메모:

• 첫 번째 인수는 루트(필수 유형:str 또는 pathlib.Path)입니다. *절대경로, 상대경로 모두 가능합니다.
• 두 번째 인수는 분할(Optional-Default:"train-standard"-Type:str)입니다. *"train-standard"(1,803,460 이미지), "train-challenge"(8,026,628 이미지) 또는 "val"(36,500 이미지)을 설정할 수 있습니다. "test"(이미지 328,500개)는 지원되지 않아서 GitHub에 기능을 요청했습니다.
• 세 번째 인수는 작습니다(Optional-Default:False-Type:bool).
• 네 번째 인수는 download(Optional-Default:False-Type:bool)입니다. *메모:
  • True인 경우 데이터 세트가 인터넷에서 다운로드되어 루트에 추출(압축 해제)됩니다.
  • True이고 데이터세트가 이미 다운로드된 경우 추출됩니다.
  • True이고 데이터세트가 이미 다운로드되어 추출된 경우에는 추출된 폴더가 존재하기 때문에 오류가 발생합니다. *추출된 폴더를 삭제해도 오류가 발생하지 않습니다.
  • 데이터세트가 이미 다운로드되어 추출된 경우 오류가 발생하지 않도록 False여야 합니다.
  • 여기서부터:
    • split="train-standard" 및 small=False의 경우, 데이터세트 filelist_places365-standard.tar 및 train_large_places365standard.tar를 각각 data/ 및 data/data_large_standard/에 수동으로 다운로드하고 추출할 수 있습니다.
    • split="train-standard" 및 small=True인 경우, 데이터세트 filelist_places365-standard.tar 및 train_256_places365standard.tar를 각각 data/ 및 data/data_256_standard/에 수동으로 다운로드하고 추출할 수 있습니다.
    • split="train-challenge" 및 small=False의 경우 데이터세트 filelist_places365-challenge.tar 및 train_large_places365challenge.tar를 각각 data/ 및 data/data_large/에 수동으로 다운로드하고 추출할 수 있습니다.
    • split="train-challenge" 및 small=True의 경우, 데이터세트 filelist_places365-challenge.tar 및 train_256_places365challenge.tar를 각각 data/ 및 data/data_256_challenge/에 수동으로 다운로드하고 추출할 수 있습니다.
    • split="val" 및 small=False의 경우 데이터세트 filelist_places365-standard.tar 및 val_large.tar를 각각 data/ 및 data/val_large/에 수동으로 다운로드하고 추출할 수 있습니다.
    • split="val" 및 small=True인 경우, 데이터세트 filelist_places365-standard.tar 및 val_large.tar를 각각 data/ 및 data/val_256/에 수동으로 다운로드하고 추출할 수 있습니다.
• 5번째 인수는 변환(Optional-Default:None-Type:callable)입니다.
• 6번째 인수는 target_transform(Optional-Default:None-Type:callable)입니다.
• 7번째 인수는 loader(Optional-Default:torchvision.datasets.folder.default_loader-Type:callable)입니다.
• "열차 표준" 이미지 인덱스에 대한 클래스의 레이블에 대해 airfield(0)는 0~4999, airplane_cabin(1)은 5000~9999, 공항 터미널(2)은 10000~14999, 골방(3)은 15000~19999, 골목(4)은 20000~24999, 원형극장(5)은 25000~29999, amusement_arcade(6)는 30000~34999, amusement_park(7)는 35000~39999, 아파트 건물/실외(8)는 40000~44999, 수족관(9)은 45000~49999 등
• "train-challenge" 이미지 인덱스에 대한 클래스의 레이블에 대해 airfield(0)는 0~38566, airplane_cabin(1)은 38567~47890, 공항 터미널(2)은 47891~74901, 골방(3)은 74902~98482, 골목(4)은 98483~137662, 원형극장(5)은 137663~150034, amusement_arcade(6)는 150035~161051, amusement_park(7)은 161052~201051, apartment_building/outdoor(8)는 201052~227872, 수족관(9)은 227873~267872 등입니다.

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")

위 내용은 PyTorch의 장소의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!