数据处理
sorted(set())–>set的意思是将其提取成随机不重复序列，用于提取较多label时使用
leave_labels = sorted(set(train_data['label']))zip 将两个长度相同的可迭代对象一一对应返回元组 dict将元组打包成字典
class_to_num = dict(zip(leaves_labels, range(n_classes)))最后反向将num转化成类别
num_to_class = {v : k for k, v in class_to_num.items()}这是一次示例,是处理叶子的图片的，此时叶子图片的大小不同，以jpg文件形式存储在文件夹中
import os
from torch.utils.data import DataLoader,Dataset
class MyDataSet(Dataset):
def __init__(self,mode,transforms):
self.transform = transforms
self.image_base_path = r'C:Users86186Desktopclassify-服务器托管网leaves'
label = pd.read_csv(r'C:Users86186Desktopclassify-leavestrain.csv')
inf = label.to_numpy().tolist()
# 将inf中第二列的所有类别转换成数字
leaves_labels = sorted(set(labels_dataframe['label']))
n_classes = len(leaves_labels)
class2num = dict(zip(leaves_labels,range(n_classes)))
for i in inf:
i[1] = class2num[i[1]]
# 划分数据集
if mode == 'train':
self.inf = inf[:20000]
else:
self.inf = inf[20000:]
def __len__(self):
return len(self.inf)
def __getitem__(self, index):
ds_labels = self.inf[index][1]
ds_img = self.inf[index][0]
ds_img = os.path.join(self.image_base_path,ds_img)
ds_image = Image.open(ds_i服务器托管网mg).convert('RGB')
ds_image = self.transform(ds_image)
return ds_image,ds_labels
transorform = torchvision.transforms.Compose([torchvision.transforms.ToTensor(),torchvision.transforms.Resize((244,244)),torchvision.transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])
train_dataset = MyDataSet('train',transorform)
train_data_loader = DataLoader(train_dataset,shuffle=True,batch_size=64)
train_iter = iter(train_data_loader)
image,label = train_iter.__next__()
def image_show(img):
img = img.numpy()
plt.imshow(np.transpose(img,(1,2,0)))
image_show(torchvision.utils.make_grid(image))dataloader使用是最后有一个参数droplast，在batchsize不是1时使用，以便所有输入都相同
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
与其他网关一样，LoRaWAN网关也需要在规定的工作频率上工作。在特定国家部署网关时，必须要遵循LoRa联盟的区域参数。不过，它是没有通用频率的，每个国家对使用非授权MHZ频段都有不同的法律规定。例如，中国的LoRaWAN频段是CN470（470-510MHZ…
