【发布时间】:2019-02-10 11:21:53
【问题描述】:
有没有办法将DataLoader 作为列表处理?这个想法是我想洗牌隐含的图像对,而不将洗牌设置为 True
基本上,例如,我有 10 个场景,每个场景包含 100 个序列,因此它们在目录中表示为
'1_1.png', '1_2.png', '1_3.png', '....., '2_1.png', '2_2.png', '2_3.png', ...., '3_1.png', '3_2.png', '3_3.png', ..., ...., '10_1.png', '10_2.png', '10_3.png', ...
我不想要数据的完全洗牌,我想要的只是洗牌但保持对,所以它们在数据加载器中表示为
[ '1_3.png', '1_4.png', '2_2.png', '2_3.png', '10_1.png', '10_2.png', '1_2.png', '1_3.png', ...]
等等
请看一下这个question,我已经在Stack Overflow 上询问过关于隐式对的洗牌数组,在那里你可以理解我的意思
例如: 如果这是一个列表
L = [['1_1'],['1_2'],['1_3'],['1_4'],['1_5'],['1_6'],['2_1'],['2_2'],['2_3'],['2_4'],['2_5'],['2_6'],['3_1'],['3_2'],['3_3'],['3_4'],['3_5'],['3_6']]
那么这是输出
[['1_2'], ['1_3'], ['2_1'], ['2_2'], ['2_4'], ['2_5'],
['2_2'], ['2_3'], ['1_3'], ['1_4'], ['3_4'], ['3_5'],
['3_3'], ['3_4'], ['3_2'], ['3_3'], ['1_6'], ['2_1'],
['2_5'], ['2_6'], ['2_6'], ['3_1'], ['1_4'], ['1_5'],
['1_1'], ['1_2'], ['2_3'], ['2_4'], ['1_5'], ['1_6'],
['3_1'], ['3_2'], ['3_5'], ['3_6']]
我想为 DataLoader 实现相同的目标
主要思想是我想在连续帧上训练我的网络,但不一定是完整的序列,但至少我需要每一步,有两个序列
【问题讨论】:
标签: image-processing machine-learning deep-learning computer-vision pytorch