mindspore.dataset.LFWDataset
- class mindspore.dataset.LFWDataset(dataset_dir, task=None, usage=None, image_set=None, num_samples=None, num_parallel_workers=None, shuffle=None, decode=False, sampler=None, num_shards=None, shard_id=None, cache=None)[源代码]
LFW（Labeled Faces in the Wild）数据集。
当 task 为 'people' 时，生成的数据集有两列： [image, label] ； 当 task 为 'pairs' 时，生成的数据集有三列： [image1, image2, label] 。 image 列的数据类型为uint8。 image1 列的数据类型为uint8。 image2 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。
task (str, 可选) - 指定读取LFW数据集的任务类型，支持
'people'和'pairs'。默认值：None，表示'people'。usage (str, 可选) - 指定数据集的子集，支持
'10fold'、'train'、'test'和'all'。默认值：None，将读取'train'和'test'子集。image_set (str, 可选) - 指定读取子集的 Image Funneling 类型，支持
'original'、'funneled'或'deepfunneled'。默认值：None，将读取'funneled'子集。num_samples (int, 可选) - 指定从数据集中读取的样本数。默认值：
None，读取全部图像。num_parallel_workers (int, 可选) - 指定读取数据的工作线程数。默认值：
None，使用全局默认线程数(8)，也可以通过mindspore.dataset.config.set_num_parallel_workers()配置全局线程数。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。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。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。一般在 数据并行模式训练 的时候使用。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 - 如果 shard_id 取值不在[0, num_shards )范围。
样例：
>>> import mindspore.dataset as ds >>> # 1) Read LFW People dataset >>> lfw_people_dataset_dir = "/path/to/lfw_people_dataset_directory" >>> dataset = ds.LFWDataset(dataset_dir=lfw_people_dataset_dir, task="people", usage="10fold", ... image_set="original") >>> >>> # 2) Read LFW Pairs dataset >>> lfw_pairs_dataset_dir = "/path/to/lfw_pairs_dataset_directory" >>> dataset = ds.LFWDataset(dataset_dir=lfw_pairs_dataset_dir, task="pairs", usage="test", image_set="funneled")
- 教程样例：
说明
入参 num_samples 、 shuffle 、 num_shards 、 shard_id 可用于控制数据集所使用的采样器，其与入参 sampler 搭配使用的效果如下。
参数 sampler 和 num_samples ， shuffle ， num_shards ， shard_id 的不同组合得到的采样器 参数 sampler
参数 num_shards / shard_id
参数 shuffle
参数 num_samples
使用的采样器
mindspore.dataset.Sampler 类型
None
None
None
sampler
numpy.ndarray,list,tuple,int 类型
/
/
num_samples
SubsetSampler(indices = sampler , num_samples = num_samples )
iterable 类型
/
/
num_samples
IterSampler(sampler = sampler , num_samples = num_samples )
None
num_shards / shard_id
None / True
num_samples
DistributedSampler(num_shards = num_shards , shard_id = shard_id , shuffle = True , num_samples = num_samples )
None
num_shards / shard_id
False
num_samples
DistributedSampler(num_shards = num_shards , shard_id = shard_id , shuffle = False , num_samples = num_samples )
None
None
None / True
None
RandomSampler(num_samples = num_samples )
None
None
None / True
num_samples
RandomSampler(replacement = True , num_samples = num_samples )
None
None
False
num_samples
SequentialSampler(num_samples = num_samples )
关于LFW数据集：
LFW（Labelled Faces in the Wild）数据集是人脸识别领域最常用和广泛的开放数据集之一， 它由美国马萨诸塞理工学院的Gary B. Huang等人于2007年发布。该数据集包含13,233个人的近50,000张图像，这些图像来自互联网上不同来源的人物照片，并包含了不同的姿势、光照、 角度等不同环境因素。该数据集中大部分图像都是正面正视的，而且包含多种年龄、性别和人种。
你可以将原始的LFW数据集文件解压成以下目录结构，并通过MindSpore的API进行读取。
. └── lfw_dataset_directory ├── lfw │ ├──Aaron_Eckhart │ │ ├──Aaron_Eckhart_0001.jpg │ │ ├──... │ ├──Abbas_Kiarostami │ │ ├── Abbas_Kiarostami_0001.jpg │ │ ├──... │ ├──... ├── lfw-deepfunneled │ ├──Aaron_Eckhart │ │ ├──Aaron_Eckhart_0001.jpg │ │ ├──... │ ├──Abbas_Kiarostami │ │ ├── Abbas_Kiarostami_0001.jpg │ │ ├──... │ ├──... ├── lfw_funneled │ ├──Aaron_Eckhart │ │ ├──Aaron_Eckhart_0001.jpg │ │ ├──... │ ├──Abbas_Kiarostami │ │ ├── Abbas_Kiarostami_0001.jpg │ │ ├──... │ ├──... ├── lfw-names.txt ├── pairs.txt ├── pairsDevTest.txt ├── pairsDevTrain.txt ├── people.txt ├── peopleDevTest.txt ├── peopleDevTrain.txt引用：
@TechReport{LFWTech, title={LFW: A Database for Studying Recognition in Unconstrained Environments}, author={Gary B. Huang and Manu Ramesh and Tamara Berg and Erik Learned-Miller}, institution ={University of Massachusetts, Amherst}, year={2007} number={07-49}, month={October}, howpublished = {http://vis-www.cs.umass.edu/lfw} }
预处理操作
对数据集对象执行给定操作函数。 |
|
对传入的多个数据集对象进行拼接操作。 |
|
通过自定义判断条件对数据集对象中的数据进行过滤。 |
|
对数据集对象中每一条数据执行给定的数据处理，并将结果展平。 |
|
给定一组数据增强列表，按顺序将数据增强作用在数据集对象上。 |
|
从数据集对象中选择需要的列，并按给定的列名的顺序进行排序。 |
|
对数据集对象按指定的列名进行重命名。 |
|
重复此数据集 count 次。 |
|
重置下一个epoch的数据集对象。 |
|
将数据处理管道中正处理的数据保存为通用的数据集格式。 |
|
通过创建 buffer_size 大小的缓存来混洗该数据集。 |
|
跳过此数据集对象的前 count 条数据。 |
|
将数据集拆分为多个不重叠的子数据集。 |
|
截取数据集的前指定条数据。 |
|
将多个dataset对象按列进行合并压缩，多个dataset对象不能有相同的列名。 |
Batch（批操作）
将数据集中连续 batch_size 条数据组合为一个批数据，并可通过可选参数 per_batch_map 指定组合前要进行的预处理操作。 |
|
根据数据的长度进行分桶。 |
|
将数据集中连续 batch_size 条数据组合为一个批数据，并可通过可选参数 pad_info 预先将样本补齐。 |
迭代器
创建数据集迭代器，返回字典形式的样本，其中键为列名，值为数据。 |
|
创建数据集迭代器，返回列表形式的样本，其中的元素为各列数据。 |
数据集属性
获得数据集对象定义的批处理大小，即一个批处理数据中包含的数据条数。 |
|
获取类别名称到类别索引的映射字典。 |
|
返回数据集对象中包含的列名。 |
|
返回一个epoch中的batch数。 |
|
获取 RepeatDataset 中定义的repeat操作的次数。 |
|
获取/设置数据列索引，它表示使用下沉模式时数据列映射至网络中的对应关系。 |
|
获取数据集对象中所有样本的类别数目。 |
|
获取数据集对象中每列数据的shape。 |
|
获取数据集对象中每列数据的数据类型。 |
应用采样方法
为当前数据集添加子采样器。 |
|
替换当前数据集的最末子采样器，保持父采样器不变。 |
其他方法
释放阻塞条件并使用给定数据触发回调函数。 |
|
为同步操作在数据集对象上添加阻塞条件。 |
|
将数据处理管道序列化为JSON字符串，如果提供了文件名，则转储到文件中。 |