flyai中的dataset对象

Help on Dataset in module flyai.dataset object:class Dataset(builtins.object)
|  Methods defined here:
|
|  __init__(self, epochs=5, batch=32, val_batch=32)
|      :param epochs: 训练的轮次，最大不超过100
|      :param batch: 训练的批次大小，太大会导致显存不足
|      :param val_batch: 验证的批次大小
|
|  add_aug_data(self, data)
|      把自自己增强的数据，加入到训练的csv中，使用dataset.next_train_batch()可读取到增强后的数据
|      :param data: data的数据格式为：
|                  单条数据
|                  {|                  "image_path": ["images/skunk/cifar100_48287_75.png"],
|
|                  "label":[75]
|                  }
|                  多条数据
|                  {|                  "image_path": ["images/skunk/cifar100_48287_75.png","images/bicycle/cifar100_38531_8.png"],
|
|                  "label": [75,8]
|                  }
|
|  create_instance(self, module_name, class_name, *args, **kwargs)
|
|  evaluate_data(self, path=None)
|
|  evaluate_data_no_processor(self, path=None)
|      获取所有原始验证集数据
|      :return:x_val,y_val
|
|  evaluate_source(self, path)
|
|  get_all_data(self)
|      获取所有原始数据
|      :return:x_train,y_train,x_val,y_val
|
|  get_all_processor_data(self)
|      获取所有在processor.py中，通过input_x方法处理过的数据
|      :return:x_train,y_train,x_val,y_val
|
|  get_all_validation_data(self)
|      获取所有在processor.py中，通过input_x方法处理过的验证集数据
|      :return:x_val,y_val
|
|  get_method_dict(self, clz, method_name, **args)
|
|  get_method_list(self, clz, method_name, *args)
|
|  get_step(self)
|      根据dataset传入的epochs和batch，计算出来的训练总次数。
|      :return: 返回训练总次数
|
|  get_train_length(self)
|      获取训练集总数量，本地调用返回的是100条，在GPU上调用返回全部数据集数量。
|      :return: 返回训练集总数量
|
|  get_validation_length(self)
|      获取验证集总数量，本地调用返回的是100条，在GPU上调用返回全部数据集数量。
|      :return: 返回验证集总数量
|
|  image_aug(self, target_size, epochs=1, seed=None, featurewise_center=False, samplewise_center=False, featurewise_std_normalization=False, samplewise_std_normalization=False, zca_whitening=False, zca_epsilon=1e-06, rotation_range=0, width_shift_range=0.0, height_shift_range=0.0, brightness_range=None, shear_range=0.0, zoom_range=0.0, channel_shift_range=0.0, fill_mode='nearest', cval=0.0, horizontal_flip=False, vertical_flip=False, rescale=None, preprocessing_function=None, aug_label=False)
|      为图片做增强的数据，加入到训练的csv中，使用dataset.next_train_batch()可读取到增强后的数据
|      :param target_size: 增强图片的大小 如(256,256)
|      :param epochs: 对图片增强几轮，每轮一张图片。
|      :param batch_size: 每次增强多少张图片。
|      :param seed: 进行随机图像变换, 通过设置seed可以达到同步变换。
|      :param featurewise_center: 布尔值，对输入的图片每个通道减去每个通道对应均值。
|      :param samplewise_center: 布尔值，每张图片减去样本均值, 使得每个样本均值为0。
|      :param featurewise_std_normalization: 布尔值，将输入除以数据集的标准差以完成标准化
|      :param samplewise_std_normalization: 布尔值，将输入的每个样本除以其自身的标准差
|      :param zca_whitening: 布尔值，对输入数据施加ZCA白化
|      :param zca_epsilon:ZCA白化值。默认值为1e-6。
|      :param rotation_range: 整数，数据提升时图片随机转动的角度
|      :param width_shift_range: 浮点数，图片宽度的某个比例，数据提升时图片水平偏移的幅度
|      :param height_shift_range: 浮点数，图片高度的某个比例，数据提升时图片竖直偏移的幅度
|      :param brightness_range: Tuple 或者 list对数据进行亮度处理
|      :param shear_range: 浮点数，剪切强度（逆时针方向的剪切变换角度）
|      :param zoom_range: 浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 - zoom_range, 1 zoom_range]
|      :param channel_shift_range: 浮点数，随机通道偏移的幅度
|      :param fill_mode: constant，nearest，reflect或wrap之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理
|      :param cval: 浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值
|      :param horizontal_flip: 布尔值，进行随机水平翻转
|      :param vertical_flip: 布尔值，进行随机竖直翻转
|      :param rescale: 重放缩因子,默认为None. 如果为None或0则不进行放缩,否则会将该数值乘到数据上(在应用其他变换之前)
|      :param preprocessing_function: 增强后自定义处理函数
|      :param aug_label: 是否对label标签增强，一般应用在图像分割等领域。
|      :return:
|
|  next_batch(self, size=32, test_size=32, test_data=True)
|      获取一批训练和验证数据，可以自己设置返回的大小。
|      :return:x_train,y_train,x_val,y_val
|
|  next_train_batch(self)
|      获取一批训练数据，返回数据的数量是dataset中batch的大小。
|      :return: x_train,y_train
|
|  next_validation_batch(self)
|      获取一批验证数据，返回数据的数量是dataset中val_batch的大小。
|      :return: x_val,y_val
|
|  output_y(self, predict)
|
|  predict_data(self, **data)
|
|  processor_x(self, x_datas)
|
|  processor_y(self, y_datas)
|
|  to_categorys(self, predict)
|
|  ----------------------------------------------------------------------
|  Data descriptors defined here:
|
|  __dict__
|      dictionary for instance variables (if defined)
|
|  __weakref__
|      list of weak references to the object (if defined)None

get_all_data()返回的是字典，图像的地址和label。

next_batch()返回的是数据

flyai中的dataset对象相关推荐

深入分析ADO.NET中的DataSet对象
ADO.NET是.net Framework SDK中用以操作数据库的类库的总称.而DataSet类则是ADO.NET中最核心的成员之一,也是各种开发基于.Net平台程序语言开发数据库应用程序最常接触 ...
浅谈ASP.net中的DataSet对象
在我们对数据库进行操作的时候,总是先把数据从数据库取出来,然后放到一个"容器"中,再通过这个"容器"取出数据显示在前台,而充当这种容器的角色中当属DataSet ...
XML 与DataSet 对象的关系
在.NET Framework 中,经常使用XML 作为存储和传输各种数据的格式. DataSet 中的数据可以转换成XML 的形式来表示和存储. 我们可以使用XML 对象同步和转换DataSet 的 ...
数据库-ADONET-在数据集DataSet中使用关系对象DataRelation处理关系
处理关系数据数据库中,表很少是独立结构的,大部分数据库都包含相互关联的表. 在构建应用程序时,会遇到--显示或者通过程序设计访问数据库中相关表的数据的情况. 用户会希望,能通过在不同的表之间定位,来 ...
excel html modify,在Excel 2010中修改Series对象上的Z-index(Modify Z-index on Series object in Excel 2010)...
在Excel 2010中修改Series对象上的Z-index(Modify Z-index on Series object in Excel 2010) 我正在使用excel 2010. 我有一个 ...
ADO.net中常用的对象介绍
ADO.NET的对象主要包括:DataSet,DataTable,DataColumn,DataRow,和DataRelation. DataSet:这个对象是一个集合对象,它可以包含任意数量的数据表 ...
使用DataSet对象添加记录
使用DataSet对象添加记录使用DataSet对象添加记录步骤: ●创建Connection对象 ●创建DataAdapter对象 ●通知数据适配器我们要使用的连接 ●创建一个DataSet对象 ...
分布式应用架构中的数据传输对象（DTO）
分布式应用架构中的数据传输对象(DTO) Written by: Rickie Lee Dec. 1, 2004 在分布式架构中,相关层在物理部署上实现分离,通过网络或跨进程调用远程对象或服务.在这种 ...
iBatis.Net实现返回DataTable和DataSet对象
如题.要返回一个ADO.NET对象好像没有使用ORM的必要,而且从编程的角度看这样的实现一点也不OO,但是实际的开发场景中还是会碰到这种需求的.下面我就借鉴前人的经验,结合实际的示例,再总结一下.如果 ...

flyai中的dataset对象

flyai中的dataset对象相关推荐

最新文章

热门文章