PyTorch 中的 EMNIST

请我喝杯咖啡☕

*我的帖子解释了 EMNIST。

EMNIST()可以使用EMNIST数据集，如下所示：

*备忘录：

• 第一个参数是 root（必需类型：str 或 pathlib.Path）。 *绝对或相对路径都是可能的。
• 第二个参数是 split(Required-Type:str)。 *可以设置“byclass”、“bymerge”、“balanced”、“letters”、“digits”或“mnist”。
• 有训练参数（可选-默认：False-类型：float）： *备注：
  • 对于 split="byclass" 和 split="byclass"，如果为 True，则使用训练数据（697,932 张图像），如果为 False，则使用测试数据（116,323 张图像）。
  • 对于 split="balanced"，如果为 True，则使用训练数据（112,800 张图像），如果为 False，则使用测试数据（188,00 张图像）。
  • 对于 split="letters"，如果为 True，则使用训练数据（124,800 张图像），如果为 False，则使用测试数据（20,800 张图像）。
  • 对于 split="digits"，如果为 True，则使用训练数据（240,000 张图像），如果为 False，则使用测试数据（40,000 张图像）。
  • 对于 split="mnist"，如果为 True，则使用训练数据（60,000 张图像），如果为 False，则使用测试数据（10,000 张图像）。
• 有转换参数（可选-默认：无-类型：可调用）。
• 有 target_transform 参数（可选-默认：无-类型：可调用）。
• 有下载参数（可选-默认：False-类型：bool）： *备注：
  • 如果为 True，则从互联网下载数据集并解压（解压）到根目录。
  • 如果为 True 并且数据集已下载，则将其提取。
  • 如果为 True 并且数据集已下载并提取，则不会发生任何事情。
  • 如果数据集已经下载并提取，则应该为 False，因为它速度更快。
  • 您可以从此处手动下载并提取数据集，例如数据/EMNIST/raw/.
• 存在图像默认翻转并逆时针旋转 90 度的错误，因此需要对其进行转换。

from torchvision.datasets import EMNIST

train_data = EMNIST(
    root="data",
    split="byclass"
)

train_data = EMNIST(
    root="data",
    split="byclass",
    train=True,
    transform=None,
    target_transform=None,
    download=False
)

test_data = EMNIST(
    root="data",
    split="byclass",
    train=False
)

len(train_data), len(test_data)
# 697932 116323

train_data
# Dataset EMNIST
#     Number of datapoints: 697932
#     Root location: data
#     Split: Train

train_data.root
# 'data'

train_data.split
# 'byclass'

train_data.train
# True

print(train_data.transform)
# None

print(train_data.target_transform)
# None

train_data.download
# <bound method EMNIST.download of Dataset EMNIST
#     Number of datapoints: 697932
#     Root location: data
#     Split: Train>

train_data[0]
# (<PIL.Image.Image image mode=L size=28x28>, 35)

train_data[1]
# (<PIL.Image.Image image mode=L size=28x28>, 36)

train_data[2]
# (<PIL.Image.Image image mode=L size=28x28>, 6)

train_data[3]
# (<PIL.Image.Image image mode=L size=28x28>, 3)

train_data[4]
# (<PIL.Image.Image image mode=L size=28x28>, 22)

train_data.classes
# ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9',
#  'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M',
#  'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z',
#  'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm',
#  'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

from torchvision.datasets import EMNIST

train_data = EMNIST(
    root="data",
    split="byclass",
    train=True
)

test_data = EMNIST(
    root="data",
    split="byclass",
    train=False
)

import matplotlib.pyplot as plt

def show_images(data):
    plt.figure(figsize=(12, 2))
    col = 5
    for i, (image, label) in enumerate(data, 1):
        plt.subplot(1, col, i)
        plt.title(label)
        plt.imshow(image)
        if i == col:
            break
    plt.show()

show_images(data=train_data)
show_images(data=test_data)

from torchvision.datasets import EMNIST
from torchvision.transforms import v2

train_data = EMNIST(
    root="data",
    split="byclass",
    train=True,
    transform=v2.Compose([
        v2.RandomHorizontalFlip(p=1.0),
        v2.RandomRotation(degrees=(90, 90))
    ])
)

test_data = EMNIST(
    root="data",
    split="byclass",
    train=False,
    transform=v2.Compose([
        v2.RandomHorizontalFlip(p=1.0),
        v2.RandomRotation(degrees=(90, 90))
    ])
)

import matplotlib.pyplot as plt

def show_images(data):
    plt.figure(figsize=(12, 2))
    col = 5
    for i, (image, label) in enumerate(data, 1):
        plt.subplot(1, col, i)
        plt.title(label)
        plt.imshow(image)
        if i == col:
            break
    plt.show()

show_images(data=train_data)
show_images(data=test_data)

以上是PyTorch 中的 EMNIST的详细内容。更多信息请关注PHP中文网其他相关文章！