【PyTorch】圖像多分類項目

目錄

StratifiedShuffleSplit

transforms.ToTensor

Counter

---

StratifiedShuffleSplit

sss = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=0)

創建StratifiedShuffleSplit對象，用于將數據集劃分為訓練集和測試集。

• n_splits=1：劃分次數為1，大于1則多次劃分，每次劃分生成一組新訓練集和新測試集。
• test_size=0.2：測試集比例為0.2，即測試集的大小占總樣本的20%
• random_state=0：隨機種子為0，類似random的種子，保證每次抽樣到的數據一樣?

StratifiedShuffleSplit是scikit-learn庫中的一個類，用于創建訓練集和測試集的劃分，同時保持每個類別中的樣本比例一致。核心思想：分層抽樣。

StratifiedShuffleSplit?類的工作原理：

先根據每個類別的樣本數量將數據集劃分為盡可能相等的子集（分層）

然后在這些子集中隨機選擇樣本拆分創建訓練集和測試集（隨機拆分）

插入空格更好理解：Stratified Shuffle Split分層隨機拆分類！

transforms.ToTensor

data_transformer = transforms.Compose([transforms.ToTensor()])

?transforms.ToTensor()的作用是將PIL圖像或NumPy數組轉換為PyTorch張量，并且將圖像的像素值從[0, 255]范圍縮放到[0.0, 1.0]范圍，即在[0.0, 1.0]范圍內對像素值進行歸一化。轉換后的張量形狀為(C, H, W)

Compose是 torchvision.transforms 模塊的一個類，創建一個Compose對象時，需要傳入一個包含一個或多個變換操作的列表。Compose對象一般包含四個變換操作：調整圖像大小、從中心裁剪圖像、將圖像轉換為張量以及歸一化。

Counter

counter_train=collections.Counter(y_train)

用于統計圖像標簽，即每類標簽圖像數量，Counter是用于計數的子類字典。例如PyTorch torchvision包中STL-10數據集的訓練數據集：