StanfordCars in PyTorch

Kauf mir einen Kaffee☕

*Mein Beitrag erklärt Stanford Cars.

StanfordCars() kann den Stanford Cars-Datensatz wie unten gezeigt verwenden:

*Memos:

• Das 1. Argument ist root(Required-Type:str oder pathlib.Path). *Ein absoluter oder relativer Pfad ist möglich.
• Das 2. Argument ist geteilt (Optional-Default:"train"-Type:str). *Es kann „train“ (8.144 Bilder) oder „test“ (8.041 Bilder) eingestellt werden.
• Das dritte Argument ist transform(Optional-Default:None-Type:callable).
• Das 4. Argument ist target_transform(Optional-Default:None-Type:callable).
• Das 5. Argument ist download(Optional-Default:False-Type:bool): *Memos:
  • Behalten Sie es bei „Falsch“, denn wenn es „True“ ist, tritt ein Fehler auf, weil die ursprüngliche URL fehlerhaft ist.
  • Sie müssen also archive.zip von hier, archive.zip von hier und car_devkit.tgz manuell nach data/stanford_cars/ herunterladen und extrahieren, wie unten gezeigt: *Memos:
    • Cars_test_annos_withlabels (1).mat muss in Cars_test_annos_withlabels.mat.
    umbenannt werden
    • „cars_annos.mat“ und „cars_annos (2).mat“ werden nicht benötigt und es gibt auch einige doppelte Dateien.
    • Sie können auch die Anleitung sehen.

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 of datapoints: 8144
#     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")

Das obige ist der detaillierte Inhalt vonStanfordCars in PyTorch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!