我已經加載了我的數據集，如下所示：full_dataset = ImageFolder(root = os.path.join(root, 'train'), transform=train_transforms)現在，為了將我的數據集拆分為訓練集和驗證集，我使用以下代碼：train_size = int(0.8 * len(full_dataset))validation_size = len(full_dataset) - train_sizetrain_dataset, validation_dataset = random_split(full_dataset, [train_size, validation_size])和 均為 類型 ： 。有沒有辦法將這些數據集轉換為 .我需要這樣做，因為我無法迭代類型的數據集train_datasetvalidation_datasettorch.utils.data.dataset.Subsettorchvision.datasets.folder.ImageFoldertorch.utils.data.dataset.Subset
1 回答
九州編程
TA貢獻1785條經驗 獲得超4個贊
您應該能夠很好地循環訪問 Subset，因為它實現了從源代碼中看到的方法：__getitem__
class Subset(Dataset):
r"""
Subset of a dataset at specified indices.
Arguments:
dataset (Dataset): The whole Dataset
indices (sequence): Indices in the whole set selected for subset
"""
def __init__(self, dataset, indices):
self.dataset = dataset
self.indices = indices
def __getitem__(self, idx):
return self.dataset[self.indices[idx]]
def __len__(self):
return len(self.indices)
因此，以下方法應該有效：
for image, label in train_dataset:
print(image, label)
或者，您可以從子集創建數據加載器：
train_dataloader = DataLoader(train_dataset, batch_size, shuffle)
for images, labels in train_dataloader:
print(images, labels)
與 相同。validation_dataset
添加回答
舉報
0/150
提交
取消