|
- mindspore.dataset.CelebADataset
- ===============================
-
- .. py:class:: mindspore.dataset.CelebADataset(dataset_dir, num_parallel_workers=None, shuffle=None, usage='all', sampler=None, decode=False, extensions=None, num_samples=None, num_shards=None, shard_id=None, cache=None)
-
- 用于读取和解析CelebA数据集的源数据文件。目前仅支持读取解析标注文件 `list_attr_celeba.txt` 作为数据集的标注。
-
- 生成的数据集有两列：`[image, attr]`。列: `image` 的数据类型为uint8。列: `attr` 的数据类型为uint32，并以one-hot编码的形式生成。
-
- **参数：**
-
- - **dataset_dir** (str) - 包含数据集文件的根目录路径。
- - **num_parallel_workers** (int，可选) - 指定读取数据的工作线程数（默认值None，即使用mindspore.dataset.config中配置的线程数）。
- - **shuffle** (bool，可选) - 是否混洗数据集（默认为None，下表中会展示不同配置的预期行为）。
- - **usage** (str，可选) - 指定数据集的子集，可取值为'train'，'valid'，'test'或'all'。（默认值为'all'，即全部样本图片）。
- - **sampler** (Sampler，可选) - 指定从数据集中选取样本的采样器（默认为None，下表中会展示不同配置的预期行为）。
- - **decode** (bool，可选) - 是否对读取的图像进行解码操作（默认为False）。
- - **extensions** (list[str]，可选) - 指定文件扩展后缀，仅读取这些后缀的文件到数据集中（默认为None）。
- - **num_samples** (int，可选) - 指定从数据集中读取的样本数（可以小于数据集总数，默认值为None，即全部样本图片)。
- - **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) - 数据缓存客户端实例，用于加快数据集处理速度（默认为None，不使用缓存）。
-
- **异常：**
-
- - **RuntimeError** - 参数 `dataset_dir` 不包含任何数据文件。
- - **RuntimeError** - 参数 `num_parallel_workers` 超过系统最大线程数。
- - **RuntimeError** - 同时指定了 `sampler` 和 `shuffle` 。
- - **RuntimeError** - 同时指定了 `sampler` 和 `num_shards` 。
- - **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** - `shard_id` 参数错误（小于0或者大于等于 `num_shards` ）。
-
- .. note:: 此数据集可以指定 `sampler` 参数，但 `sampler` 和 `shuffle` 是互斥的。下表展示了几种合法的输入参数及预期的行为。
-
- .. 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
- * - 参数 `sampler`
- - None
- - 由 `sampler` 行为定义的顺序
- * - 参数 `sampler`
- - True
- - 不允许
- * - 参数 `sampler`
- - False
- - 不允许
-
- **样例：**
-
- >>> celeba_dataset_dir = "/path/to/celeba_dataset_directory"
- >>>
- >>> # 从CelebA数据集中随机读取5个样本图片
- >>> dataset = ds.CelebADataset(dataset_dir=celeba_dataset_dir, usage='train', num_samples=5)
- >>>
- >>> # 注：在生成的数据集对象中，每一次迭代得到的数据行都有"image"和"attr" 两个键
-
- **关于CelebA数据集：**
-
- CelebFaces Attributes Dataset（CelebA）数据集是一个大规模的人脸属性数据集，拥有超过20万名人图像，每个图像都有40个属性标注。此数据集包含了大量不同姿态、各种背景的人脸图像，种类丰富、数量庞大、标注充分。数据集总体包含：
-
- - 10177个不同的身份
- - 202599张人脸图像
- - 每张图像拥有5个五官位置标注，40个属性标签。
-
- 此数据集可用于各种计算机视觉任务的训练和测试，包括人脸识别、人脸检测、五官定位、人脸编辑和合成等。
-
- 原始CelebA数据集结构：
-
- .. code-block::
-
- .
- └── CelebA
- ├── README.md
- ├── Img
- │ ├── img_celeba.7z
- │ ├── img_align_celeba_png.7z
- │ └── img_align_celeba.zip
- ├── Eval
- │ └── list_eval_partition.txt
- └── Anno
- ├── list_landmarks_celeba.txt
- ├── list_landmarks_align_celeba.txt
- ├── list_bbox_celeba.txt
- ├── list_attr_celeba.txt
- └── identity_CelebA.txt
-
- 您可以将数据集解压成如下的文件结构，并通过MindSpore的API进行读取。
-
- .. code-block::
-
- .
- └── celeba_dataset_directory
- ├── list_attr_celeba.txt
- ├── 000001.jpg
- ├── 000002.jpg
- ├── 000003.jpg
- ├── ...
-
- **引用：**
-
- .. code-block::
-
- @article{DBLP:journals/corr/LiuLWT14,
- author = {Ziwei Liu and Ping Luo and Xiaogang Wang and Xiaoou Tang},
- title = {Deep Learning Face Attributes in the Wild},
- journal = {CoRR},
- volume = {abs/1411.7766},
- year = {2014},
- url = {http://arxiv.org/abs/1411.7766},
- archivePrefix = {arXiv},
- eprint = {1411.7766},
- timestamp = {Tue, 10 Dec 2019 15:37:26 +0100},
- biburl = {https://dblp.org/rec/journals/corr/LiuLWT14.bib},
- bibsource = {dblp computer science bibliography, https://dblp.org},
- howpublished = {http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html}
- }
-
- .. include:: mindspore.dataset.Dataset.add_sampler.rst
-
- .. include:: mindspore.dataset.Dataset.rst
-
- .. include:: mindspore.dataset.Dataset.use_sampler.rst
-
- .. include:: mindspore.dataset.Dataset.zip.rst
|
