pytorch处理CK+数据集

CK+数据集是一个面部表情识别数据集，包含了多个人的面部表情图像，每张图像都有七种不同的表情。下面是一个使用PyTorch处理CK+数据集的示例代码：

import os
import torch
from torchvision import transforms, datasets

# 定义数据集路径和batch size
data_dir = "path/to/CK+"
batch_size = 32

# 定义数据预处理操作
data_transforms = transforms.Compose([
    transforms.Grayscale(),
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize([0.5], [0.5])
])

# 加载数据集
image_datasets = datasets.ImageFolder(os.path.join(data_dir, 'cohn-kanade-images'), data_transforms)

# 划分训练集和测试集
train_size = int(0.8 * len(image_datasets))
test_size = len(image_datasets) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(image_datasets, [train_size, test_size])

# 创建数据加载器
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=batch_size, shuffle=True, num_workers=4)
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=batch_size, shuffle=False, num_workers=4)

这段代码首先定义了数据集的路径和batch size，然后定义了数据预处理的操作，包括转换为灰度图、缩放、裁剪、转换为Tensor和归一化。接着使用`datasets.ImageFolder`加载数据集，划分训练集和测试集，最后创建训练集和测试集的数据加载器。