Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 딥러닝
- torch.nn
- 파이썬
- tensorflow
- DeepLearning
- objectdetection
- Anaconda
- Deep learning
- vsC
- LSTM
- pytorch
- pychram
- 컴퓨터비전
- ViT
- AI
- 가상환경구축
- 파이썬문법
- python
- vision transformer
- NumPy
- 머신러닝
- CNN
- rnn
- torch.nn.Module
- 가상환경
- __init__
- Torchvision
- torch
- __call__
- segmentation
Archives
- Today
- Total
인공지능을 좋아하는 곧미남
[torchvision] ImageFolder 본문
오늘은 torchvision에서 제공하는 ImageFolder 클래스에 대해 알아보겠습니다.
from torchvision.datasets import ImageFolder
<INDEX>
1. ImageFolder의 사용법
1. ImageFolder의 사용법
- 하나의 폴더에 하위 폴더가 Class를 나누는 기준이 되어 Image Classification의 target 데이터를 얻을 때 정말 유용하다.
저는 이러한 tree 구조의 폴더로 구성된 데이터를 생성하여 테스트해보았습니다. 맨 마지막 하위 폴더에는 png 파일이 저장되어 있습니다.
즉, 상위 폴더 1개, 하위 폴더 여러개(Class 수 만큼), 맨 하위 폴더엔 각 Class별 이미지 파일이 저장되어 있습니다.
그 후 이렇게 ImageFolder은 세 가지 변수를 얻어 최종 데이터셋을 출력합니다.
- 세 가지 변수: root, transforms, target_transform
- 출력: dataset
dataset.samples 명령어를 통해 각 index별로 data와 class가 잘 저장이 되었는지 확인 가능합니다.
dataset.samples[N] 결과를 확인해보면 폴더 전체에 있는 image 수만큼 저장이 되고 임의 N번째 데이터를 확인해보면, list 형태로 0, 1 디멘젼으로 저장이 된다. 이때 0차원에는 이미지 path, 1차원에는 class label num이 저장되어 최종적으로 input, target이 저장되어 사용할 수 있습니다.
'code_study > pytorch' 카테고리의 다른 글
gpu에 할당된 tensor데이터를 numpy array로 변환할때 cpu 연산으로 변환한 뒤 실시 (0) | 2022.05.16 |
---|---|
pytorch의 def forward(self, x) (0) | 2022.01.18 |
BackBone Encoder Layer에서 Feature Map 추출 (0) | 2022.01.17 |
torch.nn.Sequential (0) | 2022.01.14 |
pytorch DataLoader (0) | 2022.01.10 |
Comments