【深度学习】datasets.ImageFolder 使用方法

【深度学习】datasets.ImageFolder 使用方法 文章目录前言一、datasets.ImageFolder1.1.路径书写1.2.ImageFolder生成的对象1.3.其他探索：二、glob使用方法1.引入库2.读入数据总结前言

推荐整理分享【深度学习】datasets.ImageFolder 使用方法，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！

在初学深度学习的时候，很多数据集直接使用dataset里的API接口直接调用的。虽然接口用起来十分方便，但是我却始终没有明白这些图像数据调用的具体步骤。尤其是直接给你几万张照片，你如何将其汇总成合格的数据集？这就是我今天要研究的内容

一、datasets.ImageFolder1.1.路径书写

datasets.ImageFolder函数算是用的最多的一个函数了： 首先我们看看它的介绍： 从上面可以得到的信息： 1）每个类别需要单独成立一个文件夹 2）每个类别里面的图片需要按顺序排列（无论使用英语还是数字） 举个例子，以我前几天看的猫狗分类为例，我的文件夹构造如下： 若此时要调用datasets.ImageFolder这个函数读取训练集的数据，就需要写成下面形式：

import torchvision.datasets as datasetstrain = datasets.ImageFolder('train')

当然上面是最简单的形式，ImageFolder有好几个参数呢（上面只写了一个）。参数共有四个，介绍如下（前两个用的最多，不多做介绍了）：

1.2.ImageFolder生成的对象

刚刚操作里train = datasets.ImageFolder(‘train’)，它生成了一个对象 它共有3个特性： 我们分别调用展示一下：

print(train.classes)print(train.class_to_idx)print(train.imgs)

分别是 1）类别 列表形式 2）种类对应数字标签 字典形式 3）每一个图像及其对应的标签 列表形式

为了检查图像是否都读取到了，我们用len（）检查一下

print("训练集共有图像{}张".format(len(train.imgs)))

和文件夹里的数量一致（每个类别里有一个非jpg文件 不算）：

1.3.其他探索：print(train)print(train[0])print(train[0][0])print(type(train[0][0]))print(train[0][1])

我们看看train本身返回的是些什么东西： 就不解释了，这个已经很明白了 train[0] [0]很明显是照片。我们可以用plt查看它：

plt.imshow(train[0][0])plt.show()

二、glob使用方法1.引入库

代码如下（示例）：

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')import sslssl._create_default_https_context = ssl._create_unverified_context2.读入数据

代码如下（示例）：

data = pd.read_csv( 'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')print(data.head())

该处使用的url网络请求的数据。

总结

提示：这里对文章进行总结： 例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。