如何制作CIFAR10請見本人上一篇博客
手把手教你制作自己的CIFAR資料集（附專案原始碼）
上一篇文章代碼中只能生成32*32的CIFAR，若修改代碼中的Shape進行訓練，經本人測驗，并不能正常做出其他尺寸的資料集，故立此貼幫助大家學習！
-
首先修改demo.py檔案中第15行中的shape=32為shape=你想要的輸入大小（如224）
if __name__ == '__main__': data, label, lst = read_data(file_list, data_path, shape=224) pickled(save_path, data, label, lst, bin_num = 5)#bin_num為生成的batch數量 -
修改load_data.py檔案中10-12行的超引數
DATA_LEN = 150528 #資料長度=通道數*影像寬*影像高 150528 = 3*224*224 CHANNEL_LEN = 50176 #通道長度=資料長度/通道數 50176 = 150528/3 SHAPE = 224 #圖像大小 -
修改edit_mate.py檔案中的11行將 ‘num_vis’:3072 修改為150528（資料長度）
dictCow = {'num_cases_per_batch':3139,#每個batch包含的樣本數量 'label_names':['1','10','2','3','4','5','6','7','8','9'],#類別索引，將類別索引表（object_list.txt）中的label_names:填進去 'num_vis':150528}#將此處修改為你的 資料長度=通道數*影像寬*影像高 -
修改框架中cifar.py檔案中的87行
cifar.py 在python檔案夾->lib ->python3.6 ->site-packages ->torchvision ->datasets ->cifar.py
修改
self.data = np.vstack(self.data).reshape(-1, 3, 32, 32)#將此處的32改為你的影像大小224修改為
self.data = np.vstack(self.data).reshape(-1, 3, 224, 224)#CIFAR利用這里計算iteration次數 -
重新制作CIFAR10
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/300829.html
標籤：其他
下一篇：Android音頻API