为了使用自己的图像数据，需要仿照pytorch数据输入创建新的类，其中数据格式为numpy.ndarray。
将自己的图片保存到numpy.ndarray中，然后创建类
from torch.utils.data import Dataset
import numpy as np
class Dataset(Dataset):
def __init__(self, path_img, path_target, transforms=None):
self.train = path_img
self.targets = path_target
self.transforms = transforms
def __len__(self):
return len(self.train)
def __getitem__(self, idx):
img = self.train[idx]
target = self.targets[idx]
if self.transforms:
img = self.transforms(img)
target = self.transforms(target)
return img, target
使用方法和Mnist数据一样的使用方法
isbi = Dataset(imgs_train, imgs_mask_train,
transforms=transform)
dataload=torch.utils.data.DataLoader(isbi,batch_size=4,shuffle=True)
for i, data in enumerate(dataload, 1):
img,label=data
print img.shape
print img.shape
print 10*'*'
以上这篇pytorch 实现将自己的图片数据处理成可以训练的图片类型就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。