Update README

README.md

@@ -9,6 +9,8 @@ task_categories:
 
 ## 基本情報
 * sampling_rate: int = 44100
+* 20秒のwavファイル -> 1600×800のpngファイルへ変換
+* librosaの規格により、画像の縦軸：(0-10000?), 画像の横軸：(0-40秒)
 
 ## 使い方
 ### 0: データセットをダウンロード
@@ -18,11 +20,42 @@ data = load_dataset("mickylan2367/spectrogram")
 data = data["train"]
 ```
 
-### 1: データ型をtorchへ
+### 1: データローダーへ
+* まだテストデータと検証データは用意していないので、コメントアウトしています
+* こんな感じの関数で、データローダーにできます。
 ```py
-from datasets import Dataset
-train = Dataset.from_dict(data[slice(0, 400, None)]) // 訓練データとして400枚ほど抽出
-train = train.with_format("torch")
+from torchvision import transforms
+from torch.utils.data import DataLoader
+
+def load_datasets():
+    data_transforms = [
+      transforms.Resize((IMG_SIZE, IMG_SIZE)),
+      transforms.ToTensor(), # Scales data into [0,1]
+      transforms.Lambda(lambda t: (t * 2) - 1) # Scale between [-1, 1]
+    ]
+    data_transform = transforms.Compose(data_transforms)
+    
+    train = load_dataset("mickylan2367/spectrogram", split="train")
+    # test = load_dataset("mickylan2367/spectrogram", split="test")
+    # validation = load_dataset("mickylan2367/spectrogram", split="validation")
+    
+    for idx in range(len(train["image"])):
+      train["image"][idx] = data_transform(train["image"][idx])
+      # test["image"][idx] = data_transform(test["image"][idx])
+      # validation["image"][idx] = data_transform(validation["image"][idx])
+    
+    train = Dataset.from_dict(train)
+    # test = Dataset.from_dict(test)
+    # validation = Dataset.from_dict(validation)
+    
+    train = train.with_format("torch") # リスト型回避
+    # test = test.with_format("torch")
+    # validation = validation.with_format(validation)
+    
+    torch.utils.data.ConcatDataset([train, test])
+
+    return torch.utils.data.ConcatDataset([train, validation, test])
+
 ```
 
 ## 参考資料とメモ