np读取csv文件_[记录]Pytorch利用图片数据和csv标签文件建立Dataset

import torch
import pandas as pd
import numpy as np
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms
from PIL import Image#建立自己的dataset
class CreateDatasetFromImages(Dataset):def __init__(self, csv_path, file_path, resize_height&＃61;256, resize_width&＃61;256):"""Args:csv_path (string): csv 文件路径img_path (string): 图像文件所在路径transform: transform 操作"""# 需要调整后的照片尺寸&＃xff0c;我这里每张图片的大小尺寸不一致#self.resize_height &＃61; resize_heightself.resize_width &＃61; resize_width# csv_path &＃61; "C:UsersandroidcatDesktopcancer_classificationWarwick QU Dataset (Released 2016_07_08)Grade_train.csv"self.file_path &＃61; file_pathself.to_tensor &＃61; transforms.ToTensor() #将数据转换成tensor形式# 读取 csv 文件#利用pandas读取csv文件self.data_info &＃61; pd.read_csv(csv_path, header&＃61;None) #header&＃61;None是去掉表头部分# 文件第一列包含图像文件的名称self.image_arr &＃61; np.asarray(self.data_info.iloc[1:, 0]) #self.data_info.iloc[1:,0表示读取第一列&＃xff0c;从第二行开始一直读取到最后一行# 第四列是图像的 labelself.label_arr &＃61; np.asarray(self.data_info.iloc[1:, 4])# 计算 lengthself.data_len &＃61; len(self.data_info.index) - 1def __getitem__(self, index):# 从 image_arr中得到索引对应的文件名single_image_name &＃61; self.image_arr[index]# 读取图像文件img_as_img &＃61; Image.open(self.file_path &＃43; single_image_name &＃43; ".bmp")#如果需要将RGB三通道的图片转换成灰度图片可参考下面两行# if img_as_img.mode !&＃61; &＃39;L&＃39;:# img_as_img &＃61; img_as_img.convert(&＃39;L&＃39;)#设置好需要转换的变量&＃xff0c;还可以包括一系列的nomarlize等等操作transform &＃61; transforms.Compose([transforms.Resize((224, 224)),transforms.ToTensor()])img_as_img &＃61; transform(img_as_img)# 得到图像的 labellabel &＃61; self.label_arr[index]return (img_as_img, label) #返回每一个index对应的图片数据和对应的labeldef __len__(self):return self.data_len

MyTrainDataset &＃61; CreateDatasetFromImages("C:/Users/androidcat/Desktop/cancer_classification/Warwick QU Dataset (Released 2016_07_08)/Grade_train.csv","C:/Users/androidcat/Desktop/cancer_classification/Warwick QU Dataset (Released 2016_07_08)/train/")
train_loader &＃61; torch.utils.data.DataLoader(dataset&＃61;MyTrainDataset,batch_size&＃61;1, shuffle&＃61;False,)
MyTrainDataset.data_info