产生此次实验的原因：当我使用pytorch进行神经网络的训练时，需要每次向CNN传入一组图像，并且这些图片的存放位置是在两个文件夹中：
A文件夹：图片1a，图片2a，图片3a……图片1000a
B文件夹：图片1b, 图片2b，图片3b……图片1000b
所以在每个循环里，我都希望能从A中取出图片Na,同时从B文件夹中取出对应的图片Nb。
测试一：通过pytorch官方文档中的dataloader搭配python中的迭代器iterator
dataset = dset.ImageFolder( root='./folder1', transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5,0.5,0.5), (0.5,0.5,0.5)), # bring images to (-1,1) ]) ) dataloader1 = torch.utils.data.DataLoader(dataset, batch_size=opt.batchSize, shuffle=True, num_workers=opt.workers) iterator1 = iter(dataloader1) for i in range(1,1001): data = iterator1.next() data2 = iterator2.next()
将两个dataloader当作数据集，然后分别调用迭代器iter(),然后在每次调用的时候使用next()来得到数据。
测试一下：将每次读入的图像输出，不对！发现图像并不是按照图像1，图像2，图像3......这样顺序读取的，而是很奇怪的顺序。所以为了要顺序读取数据，我们需要使用别的方法。
测试一的实验结果：此路不通！
from PIL import Image
pathDir = os.listdir('./folder') #获取文件夹内所有文件的名称，生成数组
pathDir.sort() #对所有文件名进行排序
for allDir in pathDir:
child = os.path.join('%s/%s' % ('./folder', allDir))#合成文件名
fopen = Image.open(child).convert('RGB') #通过PIL读取文件
transform_list = [transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5),
(0.5, 0.5, 0.5))]
transform = transforms.Compose(transform_list)#将PIL格式的文件转换成 tensor
image = transform(fopen) #转换
测试二：首先得到文件夹下的所有文件名，将文件名数组做sort()排序,然后每次通过文件名读取图像。
输出每次读入的图片，发现每次排序不正确，它的排序方法是图片1，图片10，图片100……
与我们的期望不一样，所以这种方法也不对（可以重写sort函数来进行自定义的排序，这里不做深入探究）
测试二的实验结果：此路或许可通！
测试三：通过自己构造每次访问的文件名来访问
for i in range(1,1001):
drain = irain.next()
dnorain = iground.next()
drain = os.path.join('%s/图像%s' % ('./rainy_img', i)) #跟上面一样，不过因为已经知道文件的取名顺序，所以拼出需要访问的文件名
fopen = Image.open(drain).convert('RGB')
drain = transform(fopen)
print(drain)
测试三的实验结果：此路畅通无阻！
以上这篇使用pytorch进行图像的顺序读取方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
pytorch,图像,顺序读取
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
3月27日消息，苹果宣布2024年全球开发者大会（WWDC）将于6月10日至6月14日举行，巧合的是，这次大会与端午假期重合。
苹果官方表示：
在线参加 Apple 每年规模最大的开发者盛会。亲眼见证 Apple 最新平台、技术和工具的发布。了解如何创建和改进你的 App 和游戏。与 Apple 设计师和工程师互动交流，与全球开发者社区建立联系。以上活动均免费在线举行。
探索各种新的工具、框架和功能，助力你打造出理想的 App 和游戏。通过视频讲座学习新技能，与 Apple 专家进行一对一会面，以推进你的项目，完善你的构思。
Swift Student Challenge 旨在支持和鼓舞下一代开发者、创作者和企业家。太平洋时间 3 月 28 日，我们将公布今年的获奖者名单。获奖者将有资格参加在 Apple Park 举办的特别活动。我们还会选出 50 名杰出获胜者，他们将受邀前往库比提诺，获得为期三天的非凡体验，包括参加 Apple Park 的特别活动。
RTX 5090要首发 性能要翻倍！三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB，每个模块容量为2GB。其速度预设为32 Gbps（PAM3），但也可以降至28 Gbps，以提高产量和初始阶段的整体性能和成本效益。
据三星表示，GDDR7内存的能效将提高20%，同时工作电压仅为1.1V，低于标准的1.2V。通过采用更新的封装材料和优化的电路设计，使得在高速运行时的发热量降低，GDDR7的热阻比GDDR6降低了70%。