使用Pytorch显示每个类的图像数
使用Pytorch显示每个类的图像数
提问于 2021-01-01 02:36:12
我使用Pytorch和FashionMNIST数据集，我想显示10个类中的每个类的8个图像样本。但是，我不知道如何将训练测试分成train_labels，因为我需要循环每个类的标签(类)并打印8个。知道我怎么能做到这一点吗？
classes = ('T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot')
# Define a transform to normalize the data
transform = transforms.Compose([transforms.ToTensor(),
# transforms.Lambda(lambda x: x.repeat(3,1,1)),
transforms.Normalize((0.5, ), (0.5,))])
# Download and load the training data
trainset = datasets.FashionMNIST('~/.pytorch/F_MNIST_data/', download=True, train=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True)
# Download and load the test data
testset = datasets.FashionMNIST('~/.pytorch/F_MNIST_data/', download=True, train=False, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=True)
print('Training set size:', len(trainset))
print('Test set size:',len(testset))回答 1
Stack Overflow用户
回答已采纳
发布于 2021-01-01 07:18:35
如果我正确理解您的意思，您希望按标签对数据集进行分组，然后显示它们。
您可以从构造一个字典开始，通过标签存储示例：
examples = {i: [] for i in range(len(classes))}然后遍历该列集并使用标签的索引追加到列表中：
for x, i in trainset:
examples[i].append(x)然而，这将贯穿整个过程。如果您希望提前停止并避免每堂课收集超过8次，可以通过添加条件来做到这一点：
n_examples = 8
for x, i in trainset:
if all([len(ex) == n_examples for ex in examples.values()])
break
if len(examples[i]) < n_examples:
examples[i].append(x)剩下的就是用torchvision.transforms.ToPILImage显示
transforms.ToPILImage()(examples[3][0])如果您想显示不止一个，可以使用两个连续的torch.cat，一个在dim=1 (按行)上，然后在dim=2 (按列)上创建网格。
grid = torch.cat([torch.cat(examples[i], dim=1) for i in range(len(classes))], dim=2)
transforms.ToPILImage()(grid)可能的结果：
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65528954
复制
相似问题
用realsense2实现深度图像到彩色图像的映射
将物体从二值图像映射到彩色图像
OpenGL ES着色器将彩色图像转换为黑白红外？
创建一个图像和彩色红外线？
Matlab中的红外图像处理
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
