[PyTorch] 데이터 불러오기

 

 

 

https://github.com/pytorch/examples/tree/master/mnist

 

PyTorch Data Preprocess¶

In [4]:

import torch

from torchvision import datasets, transforms
import warnings
warnings.filterwarnings('ignore')

 

Data Loader 부르기¶

파이토치는 DataLoader를 불러 model에 넣음

In [5]:

# 사이즈를 넣어줌.
batch_size = 32 
test_batch_size = 32

In [6]:

# DataLoader함수를 사용해서 MNIST의 데이터를 불러옴.
# 인자에 디렉토리에 주소값, train 여부 , 다운로드 여부, transform으로 속성을 지정한다. 사이즈 조정하고, 셔플로 섞어줌.
train_loader = torch.utils.data.DataLoader(
    datasets.MNIST('dataset/', train=True, download=True,
                   transform=transforms.Compose([
                       transforms.ToTensor(),
                       transforms.Normalize(mean=(0.5,), std=(0.5,))
                   ])),
    batch_size=batch_size,
    shuffle=True)

In [7]:

#이번엔 train이 아니고 test이니까 train을 False로 지정, transforms, 즉 변형된 값들에 대한 구성을 설정해준다.
# transforms를 
test_loader = torch.utils.data.DataLoader(
    datasets.MNIST('dataset', train=False, 
                   transform=transforms.Compose([
                       transforms.ToTensor(),
                       transforms.Normalize((0.5,), (0.5))
                   ])),
    batch_size=test_batch_size,
    shuffle=True)

 

첫번재 iteration에서 나오는 데이터 확인¶

In [7]:

images, labels = next(iter(train_loader))

In [8]:

images.shape

 

Out[8]:

torch.Size([32, 1, 28, 28])

In [9]:

labels.shape

Out[9]:

torch.Size([32])

 

PyTorch는 TensorFlow와 다르게 [Batch Size, Channel, Height, Width] 임을 명시해야함

 

데이터 시각화¶

In [10]:

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

 

In [11]:

images[0].shape

Out[11]:

torch.Size([1, 28, 28])

In [12]:

torch_image = torch.squeeze(images[0])
torch_image.shape

Out[12]:

torch.Size([28, 28])

In [13]:

image = torch_image.numpy()
image.shape

Out[13]:

(28, 28)

In [14]:

label = labels[0].numpy()

In [15]:

label.shape

Out[15]:

()

In [16]:

label

Out[16]:

array(7, dtype=int64)

In [18]:

plt.title(label)
plt.imshow(image, 'gray')
plt.show()

 

 

 

참고 블로그

mjdeeplearning.tistory.com/81