我需要在PyTorch中实现一个多标签图像分类模型。但是我的数据不平衡,所以我使用PyTorch中的WeightedRandomSampler
创建了一个自定义数据加载器。但是当我遍历自定义数据加载器时,我得到错误:IndexError: list index out of range
使用此链接实现了以下代码:https://discuss.pytorch.org/t/balanced-sampling-between-classes-with-torchvision-dataloader/2703/3?u=surajsubramanian
def make_weights_for_balanced_classes(images, nclasses):
count = [0] * nclasses
for item in images:
count[item[1]] += 1
weight_per_class = [0.] * nclasses
N = float(sum(count))
for i in range(nclasses):
weight_per_class[i] = N/float(count[i])
weight = [0] * len(images)
for idx, val in enumerate(images):
weight[idx] = weight_per_class[val[1]]
return weight
个字符
基于https://stackoverflow.com/a/60813495/10077354中的答案,下面是我更新的代码。但是当我创建一个数据加载器时:loader = DataLoader(full_dataset, batch_size=4, sampler=sampler)
,len(loader)
返回1。
class_counts = [1691, 743, 2278, 1271]
num_samples = np.sum(class_counts)
labels = [tag for _,tag in full_dataset.imgs]
class_weights = [num_samples/class_counts[i] for i in range(len(class_counts)]
weights = [class_weights[labels[i]] for i in range(num_samples)]
sampler = WeightedRandomSampler(torch.DoubleTensor(weights), num_samples)
型
非常感谢提前!
我根据下面的公认答案加入了一个效用函数:
def sampler_(dataset):
dataset_counts = imageCount(dataset)
num_samples = sum(dataset_counts)
labels = [tag for _,tag in dataset]
class_weights = [num_samples/dataset_counts[i] for i in range(n_classes)]
weights = [class_weights[labels[i]] for i in range(num_samples)]
sampler = WeightedRandomSampler(torch.DoubleTensor(weights), int(num_samples))
return sampler
型
imageCount函数查找数据集中每个类的图像数量。数据集中的每一行都包含图像和类,因此我们考虑元组中的第二个元素。
def imageCount(dataset):
image_count = [0]*(n_classes)
for img in dataset:
image_count[img[1]] += 1
return image_count
型
3条答案
按热度按时间rks48beu1#
这段代码看起来有点复杂.你可以尝试以下操作:
字符串
njthzxwz2#
这里有一个替代解决方案:
字符串
其中
y
是对应于每个样本的标签的列表,具有形状(n_samples,)
并且被编码为[0, ..., n_classes]
。weights
的总和不会等于1,根据官方文档,这是可以的。j0pj023g3#
前面的答案解决了如何进行单标签分类,对于多标签分类,你必须以不同的方式进行。
假设你有10000个样本,有10个类。你想使用WeightedRandomSampler。你传递给WeightedRandomSampler的
weights
是the weights for each of those 10000 samples, not the classes。所以你必须通过聚合每个样本的类权重来计算每个样本的权重。这里有一种方法。这是针对独热编码标签的:
字符串
在上面的代码中,我们通过将每个样本的class_weights与class_labels逐元素相乘来计算样本权重,然后通过求和运算来聚合它们。因此,如果类权重为[1.0,0.5,0],并且样本的标签被独热编码为[1,0,1],那么该样本的总权重将为1.0。您可以通过使用样本的class_label索引对class_weights进行索引,然后聚合权重,来对非独热编码的标签执行类似的操作。
请注意,我们还创建了一个BatchSampler。这是因为如果你是批量采样,你不应该直接使用weight_sampler。你应该使用BatchSampler。