pytorch导入数据集

1、概念：

Dataset：一种数据结构，存储数据及其标签

Dataloader：一种工具，可以将Dataset里的数据分批、打乱、批量加载并进行迭代等

（方便模型训练和验证）

Dataset就像一个大书架，存放着带有标签的数据书籍，并且这些书有编号（0,1,2...）；

而Dataloader就像一个图书管理员，负责从书架上按需取出书籍并分批提供给读者。

2、Dataset的组织形式

train：训练集  val：验证集

一种方式是label作为数据文件夹的名字，

另一种方式是label和数据本身分开成两个文件夹（label文件夹里装的是和每个数据对应的.txt）

3、处理图像：PIL（Python Imaging Library）

pip install Pillow	安装PIL
from PIL import Image	引入Image类（代表图像对象， 可以通过创建Image实例来操作图像）
img=Image.open('图像路径') 打开图像	img.show() 显示图像
print(img.size) 输出（宽度，高度）	print(img.format) 输出图像格式（JPEG、PNG等）
resized_img=img.resize((宽度，高度)) 调整大小
resized_img=img.save('新路径') 保存为新文件

4、处理目录和文件：os

import os
cur_dir=os.getcwd（）	获取当前工作目录
files=os.listdir(cur_dir)	列举当前目录下的所有子目录（文件和文件夹）
os.makedirs('new_folder')	创建新文件夹（如果不存在）
os.remove('file.txt')	删除文件（os.rmdir('empty_folder')删除空文件夹）
os.path.exists('some_path')	检查路径是否存在
file_path=os.path.join('folder','file.txt')	拼接路径
abs_path=os.path.abspath('file.txt)	获取文件的绝对路径

5、代码

from torch.utils.data import Dataset #从torch的常用工具箱utils中拿data工具，然后引入Dataset类
from PIL import Image #处理图片要用到
import os #访问目录、获取图片的地址要用到

class MyData(Dataset): #让MyData类继承Dataset类
    def __init__(self,root_dir,label_dir): #数据集的初始化：要用到根目录和标签目录（这里把label作为数据文件夹的名字了）
        self.root_dir=root_dir
        self.label_dir=label_dir
        self.path=os.path.join(self.root_dir,self.label_dir) #根目录+标签目录=数据集的路径
        self.img_dir_list=os.listdir(self.path) #列举数据集目录下的每个数据（文件）

    def __getitem__(self,idx): #获取索引对应的数据
        img_dir=self.img_dir_list[idx] #得到索引对应的数据文件
        img_path=os.path.join(self.root_dir,self.label_dir,img_dir) #数据集路径+数据文件=数据文件路径
        img=Image.open(img_path)
        label=self.label_dir
        return img,label

    def __len__(self):
        return len(self.img_dir_list) #数据长度=数据集目录下的子文件数量

root_dir=r"dataset/hymenoptera_data/train"
ants_label_dir="ants"
ants_dataset=MyData(root_dir,ants_label_dir)
bees_label_dir="bees"
bees_dataset=MyData(root_dir,bees_label_dir)

train_dataset=ants_dataset+bees_dataset