标签：增加 ORC 返回 处理 类对象 也会 指定 and 裁剪
def main(): import visdom import time viz = visdom.Visdom() db = Pokemon(‘pokeman‘, 224, ‘train‘) x,y = next(iter(db)) ## print(‘sample:‘,x.shape,y.shape,y) viz.image(x,win=‘sample_x‘,opts=dict(title=‘sample_x‘))
##类 class Pokemon(Dataset): def __init__(self): pass ##简写了 def __getitem__(self, idx): # idx~[0~len(images)] # self.images,self.labels # img :‘pokemon\\bulbasaur\\000000.png‘ # labels: 0 img, label = self.images[idx], self.labels[idx] tf = transforms.Compose([ lambda x: Image.open(x).convert(‘RGB‘), # string path=> image data transforms.Resize((self.resize, self.resize)), transforms.RandomRotation(15),##指定15度不至于造成难度太大,不收敛;同时增加了图片多样性 transforms.CenterCrop(self.resize),#中心裁剪,旋转后填充的黑部分,都会减掉 transforms.ToTensor(), transforms.Normalize(mean=[0.485,0.456,0.406], std = [0.229,0.224,0.225]) #归一化操作不想让数据在0-1,分布在0的右侧,想让数据围绕0左右分布, mean和std是imagenet统计出来的,以后就用这个就就行:RGB的均值和方差:mean=[0.485,0.456,0.406],std = [0.229,0.224,0.225] #但归一化后范围变为-1~1,图片会发生变化,整体数值向下进行了放缩和平移,因此需要做一个denomalize() ]) img = tf(img) label = torch.tensor(label) return img, label #这里只有关注img 和 label 是两个列表
在这种情况下用到了iter(),但类中也没有__iter__,所以有点疑惑
查阅资料后发现
当for发现没有__iter__但是有__getitem__的时候，会从0开始依次读取相应的下标，直到发生IndexError为止，这是一种旧的迭代协议。iter方法也会处理这种情况，在不存在__iter__的时候，返回一个下标迭代的iterator对象来代替。一个重要的例子是str，字符串就是没有__iter__接口的。
# -*- coding: utf-8 -*- class Library(object): def __init__(self): self.books = { ‘title‘ : ‘a‘, ‘title2‘ : ‘b‘, ‘title3‘ : ‘c‘, } def __getitem__(self, i): return self.books[i] # def __iter__(self): # 方法1 使用生成器 # for titles in self.books: # yield self.books[titles] # 方法2 使用迭代器 # return self.books.itervalues() library = Library() # 1.普通方法 print(library.books[1]) # 2.使用__getitem__ print(library[1]) # 3.迭代器 for book in library: print(book)
结果:
>>>
===================== RESTART: C:/Users/CUI/Desktop/1.py =====================
a
a
title
a
title2
b
title3
c
>>>
迭代器iter(db),db为实例化的类对象,类对象中没有__iter__,但有__getitem__
标签：增加 ORC 返回 处理 类对象 也会 指定 and 裁剪
原文地址：https://www.cnblogs.com/kevin-red-heart/p/11297715.html
