mindspore.dataset.Places365Dataset ================================== .. py:class:: mindspore.dataset.Places365Dataset(dataset_dir, usage=None, small=True, decode=False, num_samples=None, num_parallel_workers=None, shuffle=None, sampler=None, num_shards=None, shard_id=None, cache=None) 读取和解析Places365数据集的源数据集。 生成的数据集有两列: `[image, label]`。 `image` 列的数据类型为uint8。 `label` 列的数据类型为uint32。 参数: - **dataset_dir** (str) - 包含数据集文件的根目录路径。 - **usage** (str, 可选) - 'train-standard'、 'train-challenge'或 'val'。默认值:'train-standard'。 - **small** (bool, 可选) - 是否使用256*256的低分辨率图像(True)或高分辨率图像(False)。默认值:False,使用低分辨率图像。 - **decode** (bool, 可选) - 是否对读取的图片进行解码操作。默认值:False,不解码。 - **num_samples** (int, 可选) - 指定从数据集中读取的样本数。默认值:None,读取所有样本。 - **num_parallel_workers** (int, 可选) - 指定读取数据的工作线程数。默认值:None,使用mindspore.dataset.config中配置的线程数。 - **shuffle** (bool, 可选) - 是否混洗数据集。默认值:None。下表中会展示不同参数配置的预期行为。 - **sampler** (Sampler, 可选) - 指定从数据集中选取样本的采样器。默认值:None。下表中会展示不同配置的预期行为。 - **num_shards** (int, 可选) - 指定分布式训练时将数据集进行划分的分片数。默认值:None。指定此参数后, `num_samples` 表示每个分片的最大样本数。 - **shard_id** (int, 可选) - 指定分布式训练时使用的分片ID号。默认值:None。只有当指定了 `num_shards` 时才能指定此参数。 - **cache** (DatasetCache, 可选) - 单节点数据缓存服务,用于加快数据集处理,详情请阅读 `单节点数据缓存 `_ 。默认值:None,不使用缓存。 异常: - **RuntimeError** - `dataset_dir` 路径下不包含数据文件。 - **RuntimeError** - 同时指定了 `sampler` 和 `shuffle` 参数。 - **RuntimeError** - 同时指定了 `sampler` 和 `num_shards` 参数或同时指定了 `sampler` 和 `shard_id` 参数。 - **RuntimeError** - 指定了 `num_shards` 参数,但是未指定 `shard_id` 参数。 - **RuntimeError** - 指定了 `shard_id` 参数,但是未指定 `num_shards` 参数。 - **ValueError** - `num_parallel_workers` 参数超过系统最大线程数。 - **ValueError** - `shard_id` 参数错误,参数小于0或者大于等于 `num_shards` 。 - **ValueError** - `usage` 不是['train-standard', 'train-challenge', 'val']中的任何一个。 .. note:: 此数据集可以指定参数 `sampler` ,但参数 `sampler` 和参数 `shuffle` 的行为是互斥的。下表展示了几种合法的输入参数组合及预期的行为。 .. list-table:: 配置 `sampler` 和 `shuffle` 的不同组合得到的预期排序结果 :widths: 25 25 50 :header-rows: 1 * - 参数 `sampler` - 参数 `shuffle` - 预期数据顺序 * - None - None - 随机排列 * - None - True - 随机排列 * - None - False - 顺序排列 * - `sampler` 实例 - None - 由 `sampler` 行为定义的顺序 * - `sampler` 实例 - True - 不允许 * - `sampler` 实例 - False - 不允许 **关于Places365数据集:** 在Places2数据库上训练的卷积神经网络(CNN)可用于场景识别,也可用于视觉识别的通用深度场景特征。 Places作者向公众发布了Places365-Standard数据集和Places365-Challenge数据集。 Places365-Standard数据集是Places2数据库的核心集,该数据库已用于训练Places365-CNN。 Places作者将在未来的Places365-Standard数据集上添加其他类型的标注。 Places365-Challenge数据集是Places2数据库的竞赛数据集,与Places365-Standard数据集相比,该数据库有620万张额外的图像。此数据集用于2016年的Places挑战赛。 可以将原始的Places365数据集文件解压缩到此目录结构中,并由MindSpore的API读取。 .. code-block:: . └── categories_places365 ├── places365_train-standard.txt ├── places365_train-challenge.txt ├── val_large/ │ ├── Places365_val_00000001.jpg │ ├── Places365_val_00000002.jpg │ ├── Places365_val_00000003.jpg │ ├── ... ├── val_256/ │ ├── ... ├── data_large_standard/ │ ├── ... ├── data_256_standard/ │ ├── ... ├── data_large_challenge/ │ ├── ... ├── data_256_challenge / │ ├── ... **引用:** .. code-block:: article{zhou2017places, title={Places: A 10 million Image Database for Scene Recognition}, author={Zhou, Bolei and Lapedriza, Agata and Khosla, Aditya and Oliva, Aude and Torralba, Antonio}, journal={IEEE Transactions on Pattern Analysis and Machine Intelligence}, year={2017}, publisher={IEEE} } .. include:: mindspore.dataset.api_list_vision.txt