python - 尝试在 Pytorch 中加载自定义数据集

Question

我刚开始使用 PyTorch，不幸的是，在将我自己的训练/测试图像数据集用于自定义算法时，我有点困惑。对于初学者，我正在制作一个小型的“hello world”式卷积衬衫/ socks /裤子分类网络。我只加载了一些图像，只是确保 PyTorch 可以加载它们并将它们正确地转换为 32x32 可用图像。我的 ImageFolder 设置如下:

imgs/socks/sockimages.jpeg
imgs/pants/pantsimages.jpeg
imgs/shirt/shirtimages.jpeg

以及我的测试图像文件夹的类似设置。根据我目前的知识，PyTorch 内置的图像加载器应该从训练/测试图像中的子文件夹名称中读取标签。但是，我收到一个 TypeError 提示我的迭代器不可迭代。这是我的代码和错误:

import torch
import torchvision
import torchvision.datasets as dset
import torchvision.transforms as transforms

transform = transforms.Compose(
[transforms.ToTensor(),
 transforms.Scale((32,32)),
 transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = dset.ImageFolder(root="imgs",transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,shuffle=True,         num_workers=2)

testset = dset.ImageFolder(root='tests',transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,shuffle=True,     num_workers=2)

classes=('shirt','pants','sock')

import matplotlib.pyplot as plt
import numpy as np

# functions to show an image
def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))

# get some random training images
dataiter = iter(trainloader)
images, labels = dataiter.next()

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

错误:

TypeError: 'builtin_function_or_method' object is not iterable

它说它是在引用包含dataiter.next() 的行，这意味着编译器认为我不能迭代dataiter？

求助!提前致谢，

-David Sillman，PyTorch 新手

Answer 1

我认为出现错误是因为在 transform.Compose 中，您首先执行的是 .ToTensor()，而您应该执行 .Scale() 。 Pytorch 对张量 和PIL 图像 进行转换，不可 互换。 阅读它说的文档

class torchvision.transforms.Scale(size, interpolation=2) [...] Rescale the input PIL.Image to the given size.

当您在缩放之前将该图像更改为 Pytorch 张量从而使其崩溃时。

应该改为:

transform = transforms.Compose(
                   [transforms.Scale((32,32)),
                    transforms.ToTensor(),
                    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

在张量上应用 PIL Image 转换时会出现此错误。