网站可以免费看,设计师推荐网站,网站建设收费标准平台,山东知名网络传媒有限公司对于这个API,我最开始的预想是从 猫1猫2猫3猫4狗1狗2狗3狗4 中分割出 猫1猫2狗4狗1 和 猫4猫3狗2狗3 ,但是打印结果和我预想的不一样
数据集文件的存放路径如下图 测试代码如下
import torch
import torchvisiontransform torchvision.transforms.Compose([torchvision.tran…对于这个API,我最开始的预想是从 猫1猫2猫3猫4狗1狗2狗3狗4 中分割出 猫1猫2狗4狗1 和 猫4猫3狗2狗3 ,但是打印结果和我预想的不一样
数据集文件的存放路径如下图 测试代码如下
import torch
import torchvisiontransform torchvision.transforms.Compose([torchvision.transforms.Resize((512,512)), # 调整图像大小为 224x224torchvision.transforms.ToTensor(), # 转换为张量torchvision.transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) # 归一化
])
dataset torchvision.datasets.ImageFolder(C:\\Users\\ASUS\\PycharmProjects\\pythonProject1\\cats_and_dogs_train,transformtransform)val_ratio 0.2
val_size int(len(dataset) * val_ratio)
train_size len(dataset) - val_size
train_dataset, val_dataset torch.utils.data.random_split(dataset, [train_size, val_size])cats_num 0
dogs_num 0
for x,y in train_dataset:if y 0:cats_num 1else:dogs_num 1print(cats_num: ,cats_num)
print(dogs_num: ,dogs_num)cats_num2 0
dogs_num2 0
for x,y in val_dataset:if y 0:cats_num2 1else:dogs_num2 1print(cats_num2: ,cats_num2)
print(dogs_num2: ,dogs_num2)
输出如下 可以看到总共25000张图片的数据集,分割后并不是cats_num:10000,dogs_num:10000,cats_num2:2500,dogs_num2:2500
也就是说,分割后的状况是猫狗的数量并不一定相等,如结果为 猫1猫2猫4狗1 和 狗4猫3狗2狗3