如何将numpy数组列表加载到pytorch数据集加载器？

Question

我有一个庞大的numpy数组列表，其中每个数组代表一个图像，我想使用torch.utils.data.Dataloader对象加载它。但是torch.utils.data.Dataloader的文档提到它直接从文件夹加载数据。我该如何为我的事业修改它？我是新来的，任何帮助都将非常感谢。 我的单个图像的numpy数组看起来像这样。图像是RBG图像。

`[[[ 70  82  94]
  [ 67  81  93]
  [ 66  82  94]
  ..., 
  [182 182 188]
  [183 183 189]
  [188 186 192]]

 [[ 66  80  92]
  [ 62  78  91]
  [ 64  79  95]
  ..., 
  [176 176 182]
  [178 178 184]
  [180 180 186]]

 [[ 62  82  93]
  [ 62  81  96]
  [ 65  80  99]
  ..., 
  [169 172 177]
  [173 173 179]
  [172 172 178]]

 ..., 
`

Answer 1

PyTorchDataLoader需要一个DataSet，因为您可以签入docs。正确的方法是：

torch.utils.data.TensorDataset(*tensors)

这是一个用于包装张量的数据集，其中每个样本将通过沿着第一个维度索引张量来检索。 参数*tensors表示具有与第一维相同大小的张量。

另一个是抽象类。

下面是如何将numpy数组转换为张量：

import torch
import numpy as np
n = np.arange(10)
print(n) #[0 1 2 3 4 5 6 7 8 9]
t1 = torch.Tensor(n)  # as torch.float32
print(t1) #tensor([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
t2 = torch.from_numpy(n)  # as torch.int32
print(t2) #tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=torch.int32)

接受的答案使用了torch.Tensor构造。 如果您的图像像素为0-255，则可以使用：

timg = torch.from_numpy(img).float()

或者torchvision^{}方法，将PIL图像或numpy.ndarray转换为张量。

---

但这里有一个小技巧，你可以把你的核阵列直接。

x1 = np.array([1,2,3])
d1 = DataLoader( x1, batch_size=3)

这也可以，但是如果您打印d1.dataset类型：

print(type(d1.dataset)) # <class 'numpy.ndarray'>

虽然我们实际上需要张量来处理CUDA，所以最好使用张量来填充DataLoader。