在PyTorch中,加载图片数据通常需要使用torchvision
库中的datasets
和transforms
模块。以下是一个简单的示例代码,演示如何加载图片数据:
import torch
from torchvision import datasets, transforms
# 定义数据转换
transform = transforms.Compose([
transforms.Resize((224, 224)), # 将图片大小调整为224x224
transforms.ToTensor(), # 将图片转换为Tensor格式
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 对图片进行标准化
])
# 加载数据集
train_data = datasets.ImageFolder(root='path/to/train_dataset', transform=transform)
test_data = datasets.ImageFolder(root='path/to/test_dataset', transform=transform)
# 创建数据加载器
train_loader = torch.utils.data.DataLoader(train_data, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_data, batch_size=64, shuffle=False)
# 遍历数据加载器
for images, labels in train_loader:
# 处理图片数据
pass
在上述代码中,首先定义了数据转换transform
,然后使用ImageFolder
类加载了训练集和测试集的图片数据,并通过DataLoader
创建了数据加载器。最后,可以通过遍历数据加载器来处理图片数据。