deep-learning - 如何从 csv 文件中提取图像、标签并使用 Torch 创建训练集？

Question

我下载了一个用于面部关键点检测的数据集，图像和标签在一个 CSV 文件中我使用 pandas 提取它，但我不知道如何将其转换为张量并将其加载到数据加载器中进行训练。

dataframe = pd.read_csv("training_facial_keypoints.csv")
dataframe['Image'] = dataframe['Image'].apply(lambda i: np.fromstring(i, sep=' '))
dataframe= dataframe.dropna()
images_array = np.vstack(dataframe['Image'].values)/255.0
images_array = images_array.astype(np.float32)
images_array = images_array.reshape(-1, 96, 96, 1)
print(images_array.shape)
labels_array = dataframe[dataframe.columns[:-1]].values
labels_array = (labels_array-48)/48
labels_array = labels_array.astype(np.float32)

我有两个数组中的图像和标签。如何从中创建训练集并使用转换。然后使用dataloader.

Answer 1

创建 的子类torch.utils.data.Dataset，用您的数据填充它。您可以将期望传递torchvision.transforms给它并将它们应用于您的数据__getitem__(self, index)。

你可以将它传递给torch.utils.data.DataLoader它允许多线程加载数据。

PyTorch 有大量的文档，您应该首先参考。