将图像文件夹拆分为训练数据集和验证数据集

Question

我已经加载了我的数据集，如下所示：

full_dataset = ImageFolder(root = os.path.join(root, 'train'), transform=train_transforms)

现在，为了将我的数据集拆分为训练集和验证集，我使用以下代码：

train_size = int(0.8 * len(full_dataset))

validation_size = len(full_dataset) - train_size

train_dataset, validation_dataset = random_split(full_dataset, [train_size, validation_size])

和 均为 类型 ： 。有没有办法将这些数据集转换为 .我需要这样做，因为我无法迭代类型的数据集train_datasetvalidation_datasettorch.utils.data.dataset.Subsettorchvision.datasets.folder.ImageFoldertorch.utils.data.dataset.Subset

Answer 1

您应该能够很好地循环访问 Subset，因为它实现了从源代码中看到的方法：__getitem__class Subset(Dataset):    r"""    Subset of a dataset at specified indices.    Arguments:        dataset (Dataset): The whole Dataset        indices (sequence): Indices in the whole set selected for subset    """    def __init__(self, dataset, indices):        self.dataset = dataset        self.indices = indices    def __getitem__(self, idx):        return self.dataset[self.indices[idx]]    def __len__(self):        return len(self.indices)因此，以下方法应该有效：for image, label in train_dataset:    print(image, label)或者，您可以从子集创建数据加载器：train_dataloader = DataLoader(train_dataset, batch_size, shuffle)for images, labels in train_dataloader:    print(images, labels)与 相同。validation_dataset