comment faire efficacement un mini-lot d'images dans pytorch?

Question

J'essaie de calculer une passe avant en utilisant un modèle ResNet pré-formé dans pytorch. J'ai du mal à créer un Tenseur de 4-D en mini-lots. Quelqu'un peut-il dire s'il vous plaît quelle est la bonne façon de le faire?

EDIT: J'ai changé le code et cela fonctionne maintenant. Cependant, je pense toujours qu'il devrait y avoir un moyen plus efficace de le faire.

Voici mon code:

import pickle 
import json 
import shutil 
import Image 
import torchvision.models as models 
import torchvision.transformers as transformers 
from torch.autograd import Variable 
from torch import Tensor 
import glob 
import torch 

batch_size = 128 
im_size = 299 

normalize = transforms.Normalize(
    mean=[0.485, 0.456, 0.406], 
    std=[0.229, 0.224, 0.225] 
) 
preprocess = transforms.Compose([ 
    transforms.Scale(im_size), 
    transforms.CenterCrop(im_size), 
    transforms.ToTensor(), 
    normalize 
]) 


model = models.resnet50(pretrained=True) 

d_batch = make_batch(imgs, batch_size) 

dtype = torch.FloatTensor 
tmp = Variable(torch.randn(batch_size, 3, im_size, im_size).type(dtype), requires_grad=False) 


for batch in tqdm(batches): 
     try: 
       data = [Image.open(img) for img in batch] 
       for idx, item in enumerate(data): 
         tmp[idx] = preprocess(item) 
       batch_result = model(tmp) 
     except Exception,x: 
       print x 

Answer 1

En utilisant dataset = torchvision.datasets.ImageFolder(...) vous pouvez charger un jeu de données à partir du dossier d'image. Après cela, vous pouvez utiliser torch.utils.data.DataLoader(dataset, batch_size=batchSize) pour spécifier la taille mini-lot et d'autres choses pour un traitement ultérieur.