如何在pytorch中更新我的ImageFolder数据集？
如何在pytorch中更新我的ImageFolder数据集？
提问于 2021-06-26 14:23:32
我正在处理一个数据集，其中我需要找到少于20个样本的类的准确性。因此，首先我使用pytorch的ImageFolder来获取文件夹中的所有图像。
dataset = ImageFolder('/content/drive/MyDrive/data/Dataset/')现在，为了得到我使用的少于20个样本的类：
def get_class_distribution(dataset_obj):
count_dict = {k:0 for k,v in dataset_obj.class_to_idx.items()}
for element in dataset_obj:
y_lbl = element[1]
y_lbl = idx2class[y_lbl]
count_dict[y_lbl] += 1
return count_dict
# print("Distribution of classes: \n", get_class_distribution(dataset))
class_distribution = get_class_distribution(dataset)
sampled_classes = [classes for (classes, samples) in class_distribution.items() if samples <= 20]我正确地获得了类的列表，但我的疑问是，我如何进一步进行推理？如何将其转换/更新为ImageFolder，以便可以在以下代码中使用过滤后的数据集：
# Test model performance for classes with less than 20 samples.
y_pred_list = []
y_true_list = []
with torch.no_grad():
for x_batch, y_batch in tqdm(data_loader):
x_batch, y_batch = x_batch.to(device), y_batch.to(device)
y_test_pred = model(x_batch)
_, y_pred_tag = torch.max(y_test_pred, dim = 1)
y_pred_list.append(y_pred_tag.cpu().numpy())
y_true_list.append(y_batch.cpu().numpy())回答 1
Stack Overflow用户
发布于 2021-06-26 15:28:22
不需要写入第一个块
改用这个
test_data = datasets.ImageFolder('test/', transform=test_transforms)
data_loader = torch.utils.data.DataLoader(test_data, batch_size=16)
y_pred_list = []
accuracy = []
with torch.no_grad():
for x_batch, y_batch in tqdm(data_loader):
x_batch, y_batch = x_batch.to(device), y_batch.to(device)
y_test_pred = model(x_batch)
top_p, top_class = y_test_pred.topk(1, dim=1)
equals = top_class == y_batch.view(*top_class.shape)
accuracy += torch.mean(equals.type(torch.FloatTensor)).item()
print(accuracy/len(data_loader)*100) # this would print %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/68139811
复制相关文章
相似问题
腾讯云开发者
