import os import pandas as pd from torchvision import transforms from torch.utils.data import Dataset,DataLoader from PIL import Image import matplotlib.pyplot as plt import numpy as np def collect_data(image_folder,label_csv,output_csv):#命名一个函数 image_filesos.listdir(image_folder)#获得文件夹里每个文件的名字 print(image_files) dfpd.read_csv(label_csv)#读取CSV文件 image_data[]#这里统计每个文件与标签的对应情况 for image,label in zip(image_files,df[label]):#遍历每个图片与标签 image_data.append((os.path.join(image_folder, image),label)) print(image_data ) datapd.DataFrame(image_data,columns[file_path,label])#将他们记录在列表中并转变成矩阵 data.to_csv(output_csv)#储存在csv文件中 Ainput_images Blabel1.csv Coutput.csv collect_data(A,B,C)#应用函数得到输出 def calculate_mean_std(output_csv):#对输出CSV文件中记录的图片信息进行获取均值与标准差进行后续的图片转换 datapd.read_csv(output_csv) image_files data[file_path]#获取文件中的图片路径 pixel_values [] for image_file in image_files: with Image.open(image_file) as img: img img.convert(RGB) pixel_values.append(np.array(img)) pixel_values np.vstack(pixel_values) mean np.mean(pixel_values / 255.0, axis(0, 1, 2))#这里表示计算三个维度的均值与标准差 std np.std(pixel_values / 255.0, axis(0, 1, 2)) return mean, std mean,stdcalculate_mean_std(C)#为均值与标准差赋值 print(mean) class my_dataset(Dataset):#定义数据集的类 def __init__(self, csv_file, transformNone): self.datapd.read_csv(csv_file )#获得数据这里就是在CSV文件里得到图片与标签 self.transformtransform#定义图片转换的方法 def __len__(self):#获得数据的长度 return len(self.data) def __getitem__(self, idx):#得到每个标签与图片并返回 image_pathself.data.iloc[idx][file_path] labelself.data.iloc[idx][label] imageImage.open(image_path).convert(RGB) if self.transform: imageself.transform(image) return image , label transformtransforms.Compose ([transforms.Resize((224,224)),transforms.ToTensor(),transforms.Normalize(mean mean,std std)]) datasetmy_dataset(output.csv,transformtransform) dataloader DataLoader(dataset, batch_size1, shuffleTrue)#加载数据集 # 迭代 DataLoader 并显示图像和标签#下边我就不会了得到的图像是没有逆归一化的会黑乎乎的 for i, (image, label) in enumerate(dataloader): plt.imshow(image.squeeze().permute(1, 2, 0)) # 将张量转换为 numpy 数组并显示图像 plt.title(fLabel: {label.item()}) # 显示标签 plt.show() # 如果只想查看前几个样本可以添加一个条件退出循环 if i 4: # 例如只查看前5个样本 break