产生此次实验的原因：当我使用pytorch进行神经网络的训练时，需要每次向CNN传入一组图像，并且这些图片的存放位置是在两个文件夹中：
A文件夹：图片1a，图片2a，图片3a……图片1000a
B文件夹：图片1b, 图片2b，图片3b……图片1000b
所以在每个循环里，我都希望能从A中取出图片Na,同时从B文件夹中取出对应的图片Nb。
测试一：通过pytorch官方文档中的dataloader搭配python中的迭代器iterator
|
1
2
3
4
5
6
7
8
9
10
11
12
|
dataset = dset.ImageFolder( root='./folder1', transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5,0.5,0.5), (0.5,0.5,0.5)), # bring images to (-1,1) ]) ) dataloader1 = torch.utils.data.DataLoader(dataset, batch_size=opt.batchSize, shuffle=True, num_workers=opt.workers) iterator1 = iter(dataloader1)for i in range(1,1001):data = iterator1.next() data2 = iterator2.next() |
将两个dataloader当作数据集，然后分别调用迭代器iter(),然后在每次调用的时候使用next()来得到数据。
测试一下：将每次读入的图像输出，不对！发现图像并不是按照图像1，图像2，图像3......这样顺序读取的，而是很奇怪的顺序。所以为了要顺序读取数据，我们需要使用别的方法。
测试一的实验结果：此路不通！
|
1
2
3
4
5
6
7
8
9
10
11
|
from PIL import ImagepathDir = os.listdir('./folder') #获取文件夹内所有文件的名称，生成数组 pathDir.sort() #对所有文件名进行排序 for allDir in pathDir: child = os.path.join('%s/%s' % ('./folder', allDir))#合成文件名 fopen = Image.open(child).convert('RGB') #通过PIL读取文件 transform_list = [transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))] transform = transforms.Compose(transform_list)#将PIL格式的文件转换成 tensor image = transform(fopen) #转换 |
测试二：首先得到文件夹下的所有文件名，将文件名数组做sort()排序,然后每次通过文件名读取图像。
输出每次读入的图片，发现每次排序不正确，它的排序方法是图片1，图片10，图片100……
与我们的期望不一样，所以这种方法也不对（可以重写sort函数来进行自定义的排序，这里不做深入探究）
测试二的实验结果：此路或许可通！
测试三：通过自己构造每次访问的文件名来访问
|
1
2
3
4
5
6
7
|
for i in range(1,1001): drain = irain.next() dnorain = iground.next() drain = os.path.join('%s/图像%s' % ('./rainy_img', i)) #跟上面一样，不过因为已经知道文件的取名顺序，所以拼出需要访问的文件名 fopen = Image.open(drain).convert('RGB') drain = transform(fopen) print(drain) |
测试三的实验结果：此路畅通无阻！
以上这篇使用pytorch进行图像的顺序读取方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/whyymlm/article/details/77365847
