数据集相关类代码回顾理解 | StratifiedShuffleSplit\transforms.ToTensor\Counter

F_D_Z2025-10-09 23:05

【PyTorch】图像多分类项目

StratifiedShuffleSplit

复制代码

sss = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=0)

创建StratifiedShuffleSplit对象，用于将数据集划分为训练集和测试集。

StratifiedShuffleSplit是scikit-learn库中的一个类，用于创建训练集和测试集的划分，同时保持每个类别中的样本比例一致。核心思想：分层抽样。

StratifiedShuffleSplit 类的工作原理：

先根据每个类别的样本数量将数据集划分为尽可能相等的子集（分层）

然后在这些子集中随机选择样本拆分创建训练集和测试集（随机拆分）

插入空格更好理解：Stratified Shuffle Split分层随机拆分类！

复制代码

data_transformer = transforms.Compose([transforms.ToTensor()])

transforms.ToTensor()的作用是将PIL图像或NumPy数组转换为PyTorch张量，并且将图像的像素值从 $0, 255$ 范围缩放到 $0.0, 1.0$ 范围，即在 $0.0, 1.0$ 范围内对像素值进行归一化。转换后的张量形状为(C, H, W)

Compose是 torchvision.transforms 模块的一个类，创建一个Compose对象时，需要传入一个包含一个或多个变换操作的列表。Compose对象一般包含四个变换操作：调整图像大小、从中心裁剪图像、将图像转换为张量以及归一化。

复制代码

counter_train=collections.Counter(y_train)

用于统计图像标签，即每类标签图像数量，Counter是用于计数的子类字典。例如PyTorch torchvision包中STL-10数据集的训练数据集：