pytorch学习--制作数据集

pytorch制作数据集不像TensorFlow那么复杂，只需要交单的把数据集加载进来，继承Dataset类和dataloader类

继承Dataset类

在使用时只需要继承该类，并重写__len__()和__getitem()__函数，即可以方便地进行数据集的迭代。

from torch.utils.data import Dataset

class my_data(Dataset):
    def __init__(self, image_path, annotation_path, transform=None):
        """初始化，读取数据集"""
        pass

    def __len__(self):
        """获取数据集的总大小"""
        return

    def __getitem__(self, id):
        """对于指定的id，读取该数据并返回"""
        idx = id
        return

继承dataloader类

经过Dataset类封装，已经可以获取每一个样本，但是仍然无法进行批量处理、随机选取等操作，因此还需要torch.utils.data.Dataloader类进
一步进行封装

# 使用Dataloader进一步封装Dataset
dataset = my_data()
dataloader = Dataloader(dataset, batch_size=4,shuffle=True,num_workers=4)