Question

我想使用带有 Pytorch 的预训练模型 ResNet50 对图像进行分类。我面临着将数据从数据集传输到模型的问题。

据我所知，需要在张量中传输图像进行训练，维度如下：(N, 4, 512,512)，其中 N 是图像数，4 是通道数，512是图片的宽度和高度。而且您还需要将“目标”作为数组传递。现在我有一个带有“图像”、“标签”列的 Pandas DataFrame。在“图像”列中，我有一个尺寸列表（512、512、4）。我尝试将数据写入数组，但时间太长，占用大量内存。有没有其他方法可以做到这一点？ 所以，我的问题是“如何将数据传输到模型中？”

这是我数据库的一部分：

<头>

数字	图片	标签
0	`[[[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0...`	0
1	`[[[4, 3, 0, 18], [82, 0, 0, 27], [11, 4, 0, 20...`	14
2	`[[[2, 2, 0, 0], [1, 5, 0, 1], [0, 5, 0, 0], [2...`	14
3	`[[[7, 1, 0, 24], [31, 0, 0, 14], [23, 3, 0, 13...`	3
...	...	...

我尝试通过以下方式做到这一点：

x_train = []
y_train = []
for data in range(N):
    x_train.append(train_df['Image'].iloc[data])
    y_train.append(train_df['Label'].iloc[data])
x_train = torch.tensor(x_train)
y_train = torch.tensor(y_train)
y_train = y_train.view(-1)
x_train = x_train.permute(0, 3, 1, 2)

如何使用pytorch传输训练预训练模型的数据？

0 个答案: