__init__.py

from importlib import import_module
from dataloader import MSDataLoader      #
from torch.utils.data.dataloader import default_collate

class Data:
    def __init__(self, args, model):
        kwargs = {}
        if not args.cpu:
            kwargs['collate_fn'] = default_collate
            kwargs['pin_memory'] = True
        else:
            kwargs['collate_fn'] = default_collate
            kwargs['pin_memory'] = False

        self.loader_train = None
        if not args.test_only:

            if args.data_train.lower() != 'rrl':
                module_train = import_module('data.' + args.data_train.lower())
                trainset = getattr(module_train, args.data_train)(args)
            else: 
                module_train = import_module('data.' + args.rrl_data.lower())
                trainclass = getattr(module_train, args.rrl_data)
                
                module_train = import_module('data.rrl')
                trainset = getattr(module_train, 'RRL')(trainclass, args, model)

            self.loader_train = MSDataLoader(
                    args,
                    trainset,
                    batch_size=args.batch_size,
                    shuffle=True,
                    **kwargs
                )

        if args.data_test in ['Set5', 'Set14', 'B100', 'Urban100']:
            if not args.benchmark_noise:
                module_test = import_module('data.benchmark')
                testset = getattr(module_test, 'Benchmark')(args, train=False)
            else:
                module_test = import_module('data.benchmark_noise')
                testset = getattr(module_test, 'BenchmarkNoise')(
                    args,
                    train=False
                )

        else:
            if args.data_test.lower() != 'rrl': 
                module_test = import_module('data.' +  args.data_test.lower())
                testset = getattr(module_test, args.data_test)(args, train=False)
            else: 
                module_test = import_module('data.' + args.rrl_data.lower())
                testclass = getattr(module_test, args.rrl_data)

                module_test = import_module('data.rrl')
                testset = getattr(module_test, 'RRL')(testclass, args, model, False)

        self.loader_test = MSDataLoader(
            args,
            testset,
            batch_size=1,
            shuffle=False,
            **kwargs
        )
?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末踢涌,一起剝皮案震驚了整個濱河市屑那,隨后出現(xiàn)的幾起案子摆屯,更是在濱河造成了極大的恐慌荚孵,老刑警劉巖缘眶,帶你破解...
    沈念sama閱讀 211,123評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異连躏,居然都是意外死亡更舞,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,031評論 2 384
  • 文/潘曉璐 我一進店門拙吉,熙熙樓的掌柜王于貴愁眉苦臉地迎上來潮孽,“玉大人,你說我怎么就攤上這事筷黔⊥罚” “怎么了?”我有些...
    開封第一講書人閱讀 156,723評論 0 345
  • 文/不壞的土叔 我叫張陵必逆,是天一觀的道長怠堪。 經(jīng)常有香客問我,道長名眉,這世上最難降的妖魔是什么粟矿? 我笑而不...
    開封第一講書人閱讀 56,357評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮损拢,結果婚禮上陌粹,老公的妹妹穿的比我還像新娘。我一直安慰自己福压,他們只是感情好掏秩,可當我...
    茶點故事閱讀 65,412評論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著荆姆,像睡著了一般蒙幻。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上胆筒,一...
    開封第一講書人閱讀 49,760評論 1 289
  • 那天邮破,我揣著相機與錄音,去河邊找鬼仆救。 笑死抒和,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的彤蔽。 我是一名探鬼主播摧莽,決...
    沈念sama閱讀 38,904評論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼顿痪!你這毒婦竟也來了镊辕?” 一聲冷哼從身側響起油够,我...
    開封第一講書人閱讀 37,672評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎丑蛤,沒想到半個月后叠聋,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體撕阎,經(jīng)...
    沈念sama閱讀 44,118評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡受裹,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,456評論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了虏束。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片棉饶。...
    茶點故事閱讀 38,599評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖镇匀,靈堂內(nèi)的尸體忽然破棺而出照藻,到底是詐尸還是另有隱情,我是刑警寧澤汗侵,帶...
    沈念sama閱讀 34,264評論 4 328
  • 正文 年R本政府宣布幸缕,位于F島的核電站,受9級特大地震影響晰韵,放射性物質(zhì)發(fā)生泄漏发乔。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,857評論 3 312
  • 文/蒙蒙 一雪猪、第九天 我趴在偏房一處隱蔽的房頂上張望栏尚。 院中可真熱鬧,春花似錦只恨、人聲如沸译仗。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,731評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽纵菌。三九已至,卻和暖如春休涤,著一層夾襖步出監(jiān)牢的瞬間咱圆,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,956評論 1 264
  • 我被黑心中介騙來泰國打工滑绒, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留闷堡,地道東北人。 一個月前我還...
    沈念sama閱讀 46,286評論 2 360
  • 正文 我出身青樓疑故,卻偏偏與公主長得像杠览,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子纵势,可洞房花燭夜當晚...
    茶點故事閱讀 43,465評論 2 348

推薦閱讀更多精彩內(nèi)容