将多类图像分类减少为Pytorch中的二进制分类

Question

我正在研究一个由10个不同类组成的STL-10图像数据集。我想将这个多类图像分类问题减少到二进制类图像分类，例如1类VS REST。我正在使用pytorch torchvision下载和使用STL数据，但我无法做到这一点，而其余的则无法做到。

train_data=torchvision.datasets.STL10(root='data',split='train',transform=data_transforms['train'], download=True)
test_data=torchvision.datasets.STL10(root='data',split='test',transform=data_transforms['val'], download=True)

train_dataloader = DataLoader(train_data,batch_size = 64,shuffle=True,num_workers=2)
test_dataloader = DataLoader(test_data,batch_size = 64,shuffle=True,num_workers=2)

Answer 1

对于Torchvision数据集，有一种内置的方法可以做到这一点。您需要定义转换功能或类，并在创建数据集时将其添加到target_transform中。

torchvision.datasets.STL10(root: str, split: str = 'train', folds: Union[int, NoneType] = None, transform: Union[Callable, NoneType] = None, target_transform: Union[Callable, NoneType] = None, download: bool = False)

这是一个工作示例供参考：

import torchvision
from torch.utils.data import DataLoader
from torchvision import transforms


class Multi2UniLabelTfm():
    def __init__(self,pos_label=5):
        if isinstance(pos_label,int) or isinstance(pos_label,float):
            pos_label = [pos_label,]
        self.pos_label = pos_label

    def __call__(self,y):
        # if y==self.pos_label:
        if y in self.pos_label:
            return 1
        else:
            return 0

if __name__=='__main__':

    test_tfms = transforms.Compose([
        transforms.ToTensor()
    ])
    data_transforms = {'val':test_tfms}


    #Original Labels
    # target_transform = None   

    # Label 5 is converted to 1. Rest are 0.
    # target_transform = Multi2UniLabelTfm(pos_label=5)     

    # Labels 5,6,7 are converted to 1. Rest are 0.
    target_transform = Multi2UniLabelTfm(pos_label=[5,6,7])
    test_data=torchvision.datasets.STL10(root='data',split='test',transform=data_transforms['val'], download=True, target_transform=target_transform)
    test_dataloader = DataLoader(test_data,batch_size = 64,shuffle=True,num_workers=2)

    for idx,(x,y) in enumerate(test_dataloader):
        print(idx,y)

        if idx == 5:
            break

Answer 2

您需要重新标记图像。在开始时，类别0对应于标签0，类1对应于标签1，...和类别10对应于标签9。如果要实现二进制分类，则需要更改类别图1的标签（或其他）到0，以及所有其他类别的图片至1。

Answer 3

一种方法是在运行时更新标签值，然后将其传递给训练循环中的损失功能。假设我们要将5类Relabel Relabel Relabel As 1，其余为0：

my_class_id = 5
for imgs, labels in train_dataloader:
    labels = torch.where(labels == my_class_id, 1, 0)
    ...

您也可能需要对Test_dataloader进行类似的重新标记。另外，我不确定标签的数据类型。如果它的浮动，请相应地更改。