利用PyTorch自定义数据集实现猫狗分类

看了许多关于PyTorch的入门文章，大抵是从torchvision.datasets中自带的数据集进行训练，导致很难把PyTorch运用于自己的数据集上，真正地灵活运用PyTorch。

这里我采用从Kaggle上下载的猫狗数据集，利用自定义数据集训练自己的二分类神经网络。

解压后，一个文件里面有12500张图，猫狗各一半，文件名类似于这样：cat.0.jpg、dog.12499.jpg

因为只是练手，所以不用这么大的，仅仅采用子数据集。

利用Python的os库，将数据集进行拆分。分为train与test两个文件架，每个里面都有cats和dogs两个文档。train里面每种动物有1000张图，test里面每种动物有500张图。图片大概是这个样子（大小不一）：

接下里开始编码：

# 导入库
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms

# 设置超参数
BATCH_SIZE