class torchvision.transforms.compose(transforms)
將多個transform組合起來使用。可以將以上**中的 torchvision.transforms.compose 類看作一種容器 ，它能夠同時對多種資料變換進行組合 。傳入的引數是乙個列表，列表中的元素就是對載入的資料進行的各種變換操作 。
datasets.imagefolder
乙個通用的資料載入器，資料集中的資料以以下方式組織
root/類名1
/名1.png
root/類名1
/名2.png
root/類名2
/名a.png
root/類名2
/名b.png
datasets.imagefolder(root=
"root folder path"
,[transform, target_transform]
)
self.classes - 用乙個list儲存類名
self.class_to_idx - 類名對應的索引
self.imgs - 儲存(img-path, class) tuple的list
torch.utils.data.dataloader
資料載入器。組合資料集和取樣器，並在資料集上提供單程序或多程序迭代器。
class
torch
.utils.data.dataloader(dataset, batch_size=
1, shuffle=
false
, sampler=
none
, num_workers=
0, collate_fn=
, pin_memory=
false
, drop_last=
false
)
dataset (dataset) – 載入資料的資料集。
batch_size (int, optional) – 每個batch載入多少個樣本(預設: 1)。
shuffle (bool, optional) – 設定為true時會在每個epoch重新打亂資料(預設: false).
sampler (sampler, optional) – 定義從資料集中提取樣本的策略。如果指定，則忽略shuffle引數。
num_workers (int, optional) – 用多少個子程序載入資料。0表示資料將在主程序中載入(預設: 0)
collate_fn (callable, optional) –
pin_memory (bool, optional) –
drop_last (bool, optional) – 如果資料集大小不能被batch size整除，則設定為true後可刪除最後乙個不完整的batch。如果設為false並且資料集的大小不能被batch size整除，則最後乙個batch將更小。(預設: false)
PyTorch入門筆記
原教程 資料集csv 此處使用numpy來匯入，除此之外還可以使用csv和pandas匯入 資料集鏈結 import csv import numpy as np wine path data chapter3 winequality white.csv 路徑 wineq numpy np.load...
pytorch入門2 常用函式
import numpy as np import torch 獲取張量資料型別 a torch.randn 2,3 返回 1到1之間的隨機數2行3列 print a b a.shape 返回a形狀 touch.size 2,3 print b c a.size 返回的值和shape是一樣的 d a...
PyTorch筆記之 scatter 函式
scatter 和scatter 的作用是一樣的，只不過 scatter 不會直接修改原來的 tensor，而 scatter 會 pytorch 中，一般函式加下劃線代表直接在原來的 tensor 上修改 scatter dim,index,src 的引數有 3 個 這個 scatter 可以理解...