简要介绍 torchvision.datasets.ImageFolder-北京尧图网络

torchvision.datasets.ImageFolder专门用来读取按文件夹分类的图像数据集是图像分类任务最常用的自定义数据集类。一、数据集目录强制格式必须遵循下面的层级root/ 类别A/ 图片1.jpg 图片2.png 类别B/ 图片3.jpg ...root数据集根路径传给第一个参数一级子文件夹名称类别名子文件夹里存放该类别的所有图片ImageFolder 会自动给每个类别分配数字标签0,1,2…例如猫狗分类文件结构规则只能一层类别文件夹不能多层嵌套。二、函数原型ImageFolder( root, transformNone, target_transformNone, loaderdefault_loader, is_valid_fileNone )root(str)数据集根目录路径。transform (callable, 可选)对图像本身做预处理、数据增强。接收 PIL 图片返回处理后的图片 / Tensor。示例Resize、随机翻转、转 Tensor、归一化。target_transform (callable, 可选)对标签做变换。比如把数字标签转成 one‑hot 编码。loader图片读取函数默认default_loader用 PIL 读取图片。一般不用修改。is_valid_file过滤文件自定义哪些文件才视为有效图片。三、返回对象的结构实例化之后得到一个Dataset对象遍历单条样本(image, label)image经过 transform 后的图像张量 / PIL 图label该类别的数字索引int额外自带两个重要属性dataset.classes→ 类别名称列表[cat,dog]dataset.class_to_idx→ 类别→数字映射字典{cat:0, dog:1}四、运行示例from torchvision import datasets, transforms trans transforms.Compose([ transforms.Resize((224,224)), transforms.ToTensor() ]) dataset datasets.ImageFolder(root./train, transformtrans) print(dataset.classes) print(dataset.class_to_idx) img, label dataset[0] print(img.shape, label)五、搭配 DataLoader 使用训练标准写法import torch dataloader torch.utils.data.DataLoader( dataset, batch_sizebatch_size, shuffletrue, num_workersnum_workers, pin_memoryTrue, drop_lastFalse, )六、调用链路示意图流程ImageFolder扫描文件夹自动生成图片路径标签transform流水线对每张图片做缩放、翻转、转张量、归一化交给DataLoader打包成 batch送入网络训练七、总结ImageFolder自动扫描指定目录下的子文件夹读取图片并生成分类数据集配合 transform 做预处理用于 PyTorch 图像分类训练。

简要介绍 torchvision.datasets.ImageFolder

相关推荐

CameraLink远距离传输方案：FPGA+GT Transceivers+ Aurora 8B10B光纤链路详解

实战实录（四）：任务栈爆了——一个“跑几天才死“的隐形炸弹

UniEmployee开源数字员工平台：可审批、可追溯的AI Agent落地实践

更多资讯

Traefik 官方 compress 中间件完全指南：Gzip / Brotli / Zstandard 响应压缩配置与源码解析

如何快速构建轻量版 Windows 11 系统：tiny11builder 完整指南

mem0-integrate 技能详解：以目标驱动、测试先行的流水线将 Mem0 集成进现有仓库

从Agent任务拆解到机器人路径规划：规划算法的通用内核与实践指南

NSGA-III工业落地实践：多目标优化算法工程化指南

LobeHub 飞书/Lark Bot 端到端测试指南：用 agent-testing-bot 在 macOS 上做真实客户端自动验收

今日更新

能源系统对接碳交易的路径：从碳核算到碳资产运营

智能硬件数据驱动运营：订单日记与预测性维护实践

逆变器下垂控制与虚拟同步机对比：Simulink仿真建模与参数整定

本周精选

超人会飞不算本事：系统稳定依赖清晰规则与边界设计

超人VS蜘蛛侠：拆解超级IP的影响力与传播方法论

基于CNN的调制信号识别：MATLAB实现时频图分类实战

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？