[英]Displaying images loaded with pytorch dataloader
我正在处理一些由于发布图像的声誉限制而无法在此处发布的激光雷达数据图像。 但是,当使用 pytorch ImageFolder 和 Dataloader 加载相同的图像时,唯一的转换是将图像转换为张量,似乎存在一些极端的阈值,我似乎无法找到原因。
下面是我显示第一张图片的方式:
dataset = gdal.Open(dir)
print(dataset.RasterCount)
img = dataset.GetRasterBand(1).ReadAsArray()
f = plt.figure()
plt.imshow(img)
print(img.shape)
plt.show()
这是我使用数据加载器并显示阈值图像的方式:
data_transforms = {
'train': transforms.Compose([
transforms.ToTensor(),
]),
'val': transforms.Compose([
transforms.ToTensor(),
]),
}
image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x),
data_transforms[x]) for x in ['train', 'val']}
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
dataloders = {x: torch.utils.data.DataLoader(image_datasets[x],
batch_size=1,
shuffle=True,
num_workers=2) for x in ['train', 'val']}
dataset_sizes = {x: len(image_datasets[x]) for x in ['train', 'val']}
for image in dataloders["train"]:
f = plt.figure()
print(image[0].shape)
plt.imshow(image[0].squeeze()[0,:,:])
plt.show()
break
任何有关显示图像的替代方式的帮助或我所犯的任何错误将不胜感激。
如果您想可视化 Dataloader 加载的图像,我建议使用此脚本:
for batch in train_data_loader:
inputs, targets = batch
for img in inputs:
image = img.cpu().numpy()
# transpose image to fit plt input
image = image.T
# normalise image
data_min = np.min(image, axis=(1,2), keepdims=True)
data_max = np.max(image, axis=(1,2), keepdims=True)
scaled_data = (image - data_min) / (data_max - data_min)
# show image
plt.imshow(scaled_data)
plt.show()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.