StanfordCars dans PyTorch

Achetez-moi un café☕

*Mon message explique Stanford Cars.

StanfordCars() peut utiliser l'ensemble de données Stanford Cars comme indiqué ci-dessous :

*Mémos :

• Le 1er argument est root (Required-Type:str ou pathlib.Path). *Un chemin absolu ou relatif est possible.
• Le 2ème argument est split(Optional-Default:"train"-Type:str). *"train" (8 144 images) ou "test" (8 041 images) peuvent y être définis.
• Le 3ème argument est transform(Optional-Default:None-Type:callable).
• Le 4ème argument est target_transform(Optional-Default:None-Type:callable).
• Le 5ème argument est download(Optional-Default:False-Type:bool) : *Mémos :
  • Gardez faux, car si c'est vrai, une erreur se produit car l'URL d'origine est cassée.
  • Vous devez donc télécharger et extraire manuellement archive.zip à partir d'ici, archive.zip à partir d'ici et car_devkit.tgz vers data/stanford_cars/ comme indiqué ci-dessous : *Mémos :
    • cars_test_annos_withlabels (1).mat doit être renommé cars_test_annos_withlabels.mat.
    • cars_annos.mat et cars_annos (2).mat ne sont pas nécessaires et il existe également des fichiers en double.
    • Vous pouvez également voir les instructions.

data
 └-stanford_cars
    |-cars_test_annos_withlabels.mat
    |-cars_test
    |  └-*.jpg
    |-cars_train
    |  └-*.jpg
    └-devkit
       |-cars_meta.mat
       |-cars_test_annos.mat
       |-cars_train_annos.mat
       |-eval_train.m
       |-README.txt
       └-train_perfect_preds.txt

from torchvision.datasets import StanfordCars

train_data = StanfordCars(
    root="data"
)

train_data = StanfordCars(
    root="data",
    split="train",
    transform=None,
    target_transform=None,
    download=False
)

test_data = StanfordCars(
    root="data",
    split="test"
)

len(train_data), len(test_data)
# (8144, 8041)

train_data
# Dataset StanfordCars
#     Number of datapoints: 8144
#     Root location: data

train_data.root
# 'data'

train_data._split
# 'train'

print(train_data.transform)
# None

print(train_data.target_transform)
# None

train_data.download
# <bound method stanfordcars.download of dataset stanfordcars number datapoints: root location: data>

len(train_data.classes), train_data.classes
# (196,
#  ['AM General Hummer SUV 2000', 'Acura RL Sedan 2012', 'Acura TL Sedan 2012',
#   'Acura TL Type-S 2008', ..., 'Volvo 240 Sedan 1993',
#   'Volvo XC90 SUV 2007', 'smart fortwo Convertible 2012'])

train_data[0]
# (<pil.image.image image mode="RGB" size="600x400">, 13)

train_data[1]
# (<pil.image.image image mode="RGB" size="900x675">, 2)

train_data[2]
# (<pil.image.image image mode="RGB" size="640x480">, 90)

train_data[3]
# (<pil.image.image image mode="RGB" size="2100x1386">, 133)

train_data[4]
# (<pil.image.image image mode="RGB" size="144x108">, 105)

import matplotlib.pyplot as plt

def show_images(data, main_title=None):
    plt.figure(figsize=(12, 5))
    plt.suptitle(t=main_title, y=1.0, fontsize=14)
    for i, (im, lab) in zip(range(1, 11), data):
        plt.subplot(2, 5, i)
        plt.imshow(X=im)
        plt.title(label=lab)
    plt.tight_layout()
    plt.show()

show_images(data=train_data, main_title="train_data")
show_images(data=test_data, main_title="test_data")

show_images(data=train_data, ims=train_ims, main_title="train_data")
show_images(data=train_data, ims=val_ims, main_title="val_data")
show_images(data=test_data, ims=test_ims, main_title="test_data")
</pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></bound>

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!