使用 Google Colab 在 Pytorch 中运行数据加载器

Question

我正在尝试使用 Pytorch 对猫狗图像数据集进行分类。在我的代码中，到目前为止，我正在下载数据并进入文件夹 train，其中有两个文件夹，分别称为“cats”和“dogs”。然后我尝试将此数据加载到数据加载器中并迭代批次，但它给了我一些我在迭代步骤中不理解的错误。

因为它是 Google Colabs，所以我在其中有用于下载数据和安装库的代码。到目前为止，对我的代码的任何其他建议也将不胜感激。

!pip install torch
!pip install torchvision

from __future__ import print_function, division
import os
import torch
import pandas as pd
import numpy as np
# For showing and formatting images
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

# For importing datasets into pytorch
import torchvision.datasets as dataset

# Used for dataloaders
import torch.utils.data as data

# For pretrained resnet34 model
import torchvision.models as models

# For optimisation function
import torch.nn as nn
import torch.optim as optim


!wget http://files.fast.ai/data/dogscats.zip
!unzip dogscats.zip    

batch_size = 256

train_raw = dataset.ImageFolder(PATH+"train", transform=transforms.ToTensor())
train_loader = data.DataLoader(train_raw, batch_size=batch_size, shuffle=True)

for batch_idx, (data, target) in enumerate(train_loader):
  print("Data: ", batch_idx)

错误出现在最后几行，如下：

RuntimeErrorTraceback (most recent call last)
<ipython-input-66-c32dd0c1b880> in <module>()
----> 1 for batch_idx, (data, target) in enumerate(train_loader):
      2   print("Data: ", batch_idx)
      3 

/usr/local/lib/python2.7/dist-packages/torch/utils/data/dataloader.pyc in __next__(self)
    257         if self.num_workers == 0:  # same-process loading
    258             indices = next(self.sample_iter)  # may raise StopIteration
--> 259             batch = self.collate_fn([self.dataset[i] for i in indices])
    260             if self.pin_memory:
    261                 batch = pin_memory_batch(batch)

/usr/local/lib/python2.7/dist-packages/torch/utils/data/dataloader.pyc in default_collate(batch)
    133     elif isinstance(batch[0], collections.Sequence):
    134         transposed = zip(*batch)
--> 135         return [default_collate(samples) for samples in transposed]
    136 
    137     raise TypeError((error_msg.format(type(batch[0]))))

/usr/local/lib/python2.7/dist-packages/torch/utils/data/dataloader.pyc in default_collate(batch)
    110             storage = batch[0].storage()._new_shared(numel)
    111             out = batch[0].new(storage)
--> 112         return torch.stack(batch, 0, out=out)
    113     elif elem_type.__module__ == 'numpy' and elem_type.__name__ != 'str_' \
    114             and elem_type.__name__ != 'string_':

/usr/local/lib/python2.7/dist-packages/torch/functional.pyc in stack(sequence, dim, out)
     62     inputs = [t.unsqueeze(dim) for t in sequence]
     63     if out is None:
---> 64         return torch.cat(inputs, dim)
     65     else:
     66         return torch.cat(inputs, dim, out=out)

RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 400 and 487 in dimension 2 at /pytorch/torch/lib/TH/generic/THTensorMath.c:2897

谢谢

Answer 1

我认为主要问题是图像大小不同。我可能以其他方式理解 ImageFolder，但是，如果目录结构与 pytorch 中指定的一样，我认为您不需要图像标签，并且 pytorch 会为您找出标签。 我还会在您的转换中添加更多内容，以自动调整文件夹中每个图像的大小，例如：

   normalize = transforms.Normalize(
                        mean=[0.485, 0.456, 0.406],
                        std=[0.229, 0.224, 0.225]
                        )
   transform = transforms.Compose(
        [transforms.ToTensor(),transforms.Resize((224,224)),
         normalize])

您还可以使用其他技巧来使您的 DataLoader 更快，例如添加 batch_size 和 cpu worker 的数量，例如：

    testloader = DataLoader(testset, batch_size=16,
                         shuffle=False, num_workers=4)

我认为这将使您的流水线速度更快。

Answer 2

我认为我对 Manoj Acharya 的评论是错误的，问题在于将 batch_size 放入数据加载器中。我阅读了以下来源，您似乎无法将不同尺寸的图像一起批处理：

https://medium.com/@yvanscher/pytorch-tip-yielding-image-sizes-6a776eb4115b

所以在我的代码中更改数据变量 Manoj 指出我将 batch_size 更改为 1 并且程序停止失败。我想分批放置，所以我添加了进一步的变换 CenterCrop() 以将所有图像的大小调整为相同的大小。以下是我的新代码：

!pip install torch
!pip install torchvision

from __future__ import print_function, division
import os
import torch
import pandas as pd
import numpy as np
# For showing and formatting images
import matplotlib.pyplot as plt
import matplotlib.image as mpimg    
# For importing datasets into pytorch
import torchvision.datasets as dataset    
# Used for dataloaders
from torch.utils.data import DataLoader
# For pretrained resnet34 model
import torchvision.models as models    
# For optimisation function
import torch.nn as nn
import torch.optim as optim    
# For turning data into tensors
import torchvision.transforms as transforms

!wget http://files.fast.ai/data/dogscats.zip
!unzip dogscats.zip

batch_size = 256
sz = 224

train_raw = dataset.ImageFolder(PATH+"train", transform=transforms.Compose([transforms.CenterCrop(sz),transforms.ToTensor()]))
train_loader = DataLoader(train_raw,batch_size=batch_size, shuffle=True)

for batch_idx, (data, target) in enumerate(train_loader):
  print("Data: ", batch_idx)

谢谢

Answer 3

我在您的代码中看到两个问题，首先您将 import torch.utils.data 作为数据导入，然后再次在数据加载器中替换它。请将导入的模块和您的变量名称保存在单独的命名空间中。我认为这个错误可能是因为 dataloder(images) 和标签返回的数据大小不同。如您所见，连接存在错误，因为第一个维度即。标签大小和文件夹中的图像数量不匹配。希望这会有所帮助。