<aside> 💡 이 페이지는 FIAT툴로 라벨링된 데이터셋을 Python 환경에서 FIATClassificationDataset 클래스를 이용하여 데이터셋을 로드하는 방법에 대해 수록되어 있습니다.

</aside>

⚙️테스트 환경

Python version :  "3.7"
OS : "Windows 10"
PyTorch version : "1.11.0"
Cuda version : "11.3"

⚙️설치

<aside> 💡 0.7 버전부터는 pip를 통해 설치가 가능합니다.

</aside>

pip install fiat-tool

작성하고자하는 python스크립트와 똑같은 경로에 다운받은 util폴더를 복사

FIATClassificationDataset 다운로드 : <u>[https://github.com/gellston/FIAT-Release/releases/download/util0.6/util.zip](https://github.com/gellston/FIAT-Release/releases/download/util0.6/util.zip)</u>
# 위 링크로 받은 util 폴더를 사용하고자하는 프로젝트 폴더에 복사 혹은 위치시키십시오. 
# 위 사진에서는 사용자가 작업하는 python 스크립트는 torch_classification_FIAT.py

⚙️데이터로드 예시

FIAT을 이용해서 라벨링한 데이터셋 위치

<aside> 💡 데이터로드 이전에 FIAT을 이용하여 레이블링을 끝낸 데이터셋을 준비 (예시 경로 : C://Github//FIAT-Release//example_dataset//food)

</aside>

from fiat_tool.FIATClassificationDataset import FIATClassificationDataset
from torch.utils.data import DataLoader

batch_size = 1
training_epochs = 1

datasets = FIATClassificationDataset('C://Github//FIAT//example_dataset//food//',
                                     label_height=224,
                                     label_width=224,
                                     isColor=True,
                                     isNorm=False)

data_loader = DataLoader(datasets, batch_size=batch_size, shuffle=True)

for epoch in range(training_epochs): # 앞서 training_epochs의 값은 15로 지정함.
    avg_cost = 0
    avg_acc = 0
    total_batch = len(data_loader)

    for x_input, y_input in data_loader:
        print('x_input shape = ', x_input.shape)
        print('y_input shape = ', y_input.shape)

print('Training loop finished')

<aside> 💡 이미지 및 레이블 배열은 torch.float32 타입으로 로드됨, 다른 타입을 원한다면 사용자가 직업 배열의 타입을 변경해서 사용해야함.

</aside>