小编Bra*_*ion的帖子

我的结构遵循熊猫数据帧：

n    X              Y          Z
0   1.000000    1.000000    1.014925    
1   1.000000    1.000000    1.000000    

我想从每列创建 M 个单独的子图（直方图）。一张直方图来自 X，一张来自 Y，最后一张来自 Z。

我希望它有不同的情节。我正在查看https://seaborn.pydata.org/generated/seaborn.FacetGrid.html，但我不明白如何从我的数据中绘制它的语法/逻辑。

该教程似乎没有解释我们应该如何加载、拆分和进行适当的增强。

让我们有一个由汽车和猫组成的数据集。文件夹结构为：

data
  cat
    0101.jpg
    0201.jpg
    ...
  dogs
    0101.jpg
    0201.jpg
    ...

首先，我通过 datasets.ImageFolder 函数加载数据集。图像函数有命令“TRANSFORM”，我们可以在其中设置一些增强命令，但我们不想将增强应用于测试数据集！所以让我们继续使用transform=None。

data = datasets.ImageFolder(root='data')

显然，我们没有文件夹结构训练和测试，因此我认为一个好的方法是使用split_dataset 函数

    train_size = int(split * len(data))
    test_size = len(data) - train_size
    train_dataset, test_dataset = torch.utils.data.random_split(data, [train_size, test_size])

现在让我们按以下方式加载数据。

    train_loader = torch.utils.data.DataLoader(train_dataset,
                                              batch_size=8,
                                              shuffle=True)
    test_loader = torch.utils.data.DataLoader(test_dataset,
                                              batch_size=8,
                                              shuffle=True)

如何将转换（数据增强）应用于“train_loader”图像？

基本上我需要： 1. 从上面解释的文件夹结构加载数据 2. 将数据拆分为测试/训练部分 3. 在训练部分应用增强。