pytorch深度学习——dataset(附数据集下载)

目录

一、Dataset的作用

 二、Dataset的使用

1.数据集下载

2.类的定义

3.测试

三、源码展示

---

在学习深度学习的时候，我们需要考虑如何去处理数据去训练我们的模型，pytorch为我们提供了Dataset和DataLoader两个类来对数据进行处理，前者作用是提供了一种方式来获取数据及其label，后者的作用是为网络提供不同的数据形式。本文主要讲第一个类——Dataaet.

一、Dataset的作用

如图，我们举个例子，我们这里有很多和数据(左边每一个图形代表一个数据)，其中我们需要获取圆形的数据，通过Dataset，我们可以将所有的圆拿出来，放到我们的数据集当中，并且每一个数据都有自己的label，比如说红色、绿色。并且数据集会将每一个数据进行编号，所以我们可以归纳出Dataset的作用：

1.获取每一个数据以及其label

2.告诉我们在数据集中有多少个数据

 二、Dataset的使用

1.数据集下载

在使用Dataset之前，建议大家先去下载一个数据集，下面提供一个国内的数据集下载地址：

数据集下载https://aistudio.baidu.com/datasetoverview/2/1

下载解压后放在项目文件夹下就行。

2.类的定义

我们创建一个新文件，起名为demo1.py

导入工具：

from torch.utils.data import Dataset
from PIL import Image
import os

我们通过查看文档可知，所有的数据集都应该继承Dataset类，并且子类都必须重写__getitem__方法，该方法的主要作用是获取每一个数据以及其label，也可以选择性重写__len__方法，获取数据集的大小。

所以我们定义一个类MyData

MyData(Dataset):
#构造方法，将文件夹名称以及子文件夹传入
    def __init__(self,root_dir,label_dir):
        self.root_dir = root_dir
        self.label_dir=label_dir
        self.path=os.path.join(self.root_dir+self.label_dir)
        self.Img_path=os.listdir(self.path)
    
#获取数据集中第idx个数据以及其label，我们可以通过索引获取数据对象
    def __getitem__(self, inx):
        Img_name = self.Img_path[inx]
        Img_item_path = os.path.join(self.root_dir,self.label_dir,Img_name)

        img = Image.open(Img_item_path)
        label = self.label_dir
        return img,label

#获取数据集的长度
    def __len__(self):
        return len(self.Img_path)

3.测试

我们通过以下代码来进行演示：

在我的项目中，有flowers这个数据集，然后下面又分了几个文件夹代码不同的花的数据集 

我们想获取第4张雏菊的照片，我们的根数据集是flowers，我们就可以创建daisy_label数据集对象。

root_dir = "folwers\\"#表示根目录为flowers,这里用两杠是因为要构成转义字符
daisy_dir = "daisy" #表示我们需要的数据在“daisy”文件夹下面
daisy_dataset = MyData(root_dir,daisy_dir)

然后，我们获取第4个数据和它的label并将其展现出来

img,lebel = daisy_dataset.__getitem__(4)
img.show()
print(lebel)

我们得到以下运行结果：

成功获取到了目标数据和它的label。

三、源码展示

MyData(Dataset):
#构造方法，将文件夹名称以及子文件夹传入
    def __init__(self,root_dir,label_dir):
        self.root_dir = root_dir
        self.label_dir=label_dir
        self.path=os.path.join(self.root_dir+self.label_dir)
        self.Img_path=os.listdir(self.path)
    
#获取数据集中第idx个数据以及其label，我们可以通过索引获取数据对象
    def __getitem__(self, inx):
        Img_name = self.Img_path[inx]
        Img_item_path = os.path.join(self.root_dir,self.label_dir,Img_name)

        img = Image.open(Img_item_path)
        label = self.label_dir
        return img,label

#获取数据集的长度
    def __len__(self):
        return len(self.Img_path)


root_dir = "flowers\\"
daisy_label_dir = "daisy"
daisy_dataset = MyDate(root_dir,flowers_label_dir)

img,lebel = daisy_dataset.__getitem__(4)
img.show()
print(lebel)