2022李宏毅机器学习深度学习学习笔记第十二周--Dataset类代码实战

---

前言

在学习Dataset类代码实战之前，先了解python 的基础知识，比如初始化方法，类的继承以及self的使用；了解dataset如何获取数据，以及dataset两个重要的方法__getitem__方法和__len__方法。

---

一、python 基础

给对象增加属性：只需要在类的外部的代码中直接通过 . 设置一个属性即可。
比如Cat()类;创建一个Tom对象，Tom=Cat()；为Tom对象增加一个name属性即可通过Tom.name="Tom"设置，name的定义必须在调用方法之前定义，否则会出错。这种方式虽然简单，但是不推荐，他只是在类的外部设置一个属性，对象属性的封装应该封装在类的内部。

class Cat:
    def eat(self):
        print("%s 爱吃鱼"% self.name)
    def drink(self):
        print("小猫要喝水")
tom = Cat()
tom.name = "Tom"
tom.eat()
tom.drink()
print(tom)
lazy_cat = Cat()
lazy_cat.name = "大懒猫"
lazy_cat.eat()
lazy_cat.drink()
print(lazy_cat)

从控制台中可以看到哪一个对象调用的方法，self就是哪一个对象的引用。在调用方法的时候，不需要传递self参数；在方法内部，可以通过self.访问对象的属性，也可以通过self.调用其他的对象方法。

初始化方法：
当使用类名（）创建对象时，会自动执行以下操作：
1.为对象在内存中分配空间–创建对象
2.为对象的属性设置初始值–初始化方法（init）
这个初始化方法就是__init__方法，__init__是对象的内置方法
__init__方法是专门用来定义一个类具有哪些属性的方法。
在初始化方法内部定义属性：
在__init__方法内部使用self.属性名=属性的初始值就可以定义属性；在定义属性之后，在使用Cat类船舰对象，都会拥有该属性。

class Cat:
    def __init__(self):
        self.name="tom"
tom = Cat()
print(tom.name)  #输出tom

初始化的同时设置初始值
如果希望在创建对象的同时就设置对象的属性，可以对__init__方法进行改造，把希望设置的属性值定义成__init__方法的参数，在方法内部使用self.属性=形参接受外部传递的参数，在创建对象时，使用类名（属性1，属性2.。。。）调用。在python中，使用print输出对象变量，默认会输出这个变量引用的对象是由哪一个类创建的对象，以及在内存中的地址（十六进制）。如果在开发中希望print输出对象变量时，能够打印自定义的内容，就可以利用__str__这个内置方法了。__str__方法必须返回一个字符串。

继承的语法：子类继承自父类，直接享受父类中封装好的方法，还可以封装子类特有的属性和方法。
class 类名（父类名）：
pass
专业术语：狗类是动物类的派生类，动物类是狗类的基类，狗类从动物类派生。
子类拥有父类以及父类的父亲中封装的所有属性和方法。

二、Dataset类代码实战

Dataset 主要是提供一种方式去获取数据及其label。
Dataset 是一个抽象类，所有的数据集都需要继承这个类，所以的子类都需要重写 __getitem__方法，这个方法主要是获取每个数据及其对应的label，还可以重写__len__方法，返回数据集的大小。
实例：
先创建一个类MyData，继承自Dataset类

class MyData(Dataset):

初始化
使用以下方法来读取图片，

from PIL import Image

在这个例子中一般蚂蚁/蜜蜂的图片是数据或者input，而ants/bees是labels，想要获取图片，先提供图片的地址。
获取图片的地址(注意使用两个斜杠表示转义)

img_path="E:\\学习笔记\\learn_pytorch\\dataset\\train\\ants\\0013035.jpg"

读取图片通过img=Image.open(img_path)
在Python控制台看到读取出来的 img，是一个JpegImageFile类的对象，img里有很多属性，可以通过img.进行查看。

img.show()可以查看图片。
获取所有图片
从数据集路径中，获取所有文件的名字，存储到一个列表中；listdir方法会将路径下的所有文件名（包括后缀名）组成一个列表

import os
dir_path = "dataset/train/ants"
img_path_list = os.listdir(dir_path)

用索引去访问列表中的每个文件名

img_path_list[0]
Out[14]: '0013035.jpg'
root_dir = "dataset/train"
child_dir = "ants"
path = os.path.join(root_dir, child_dir)

使用os.path.join方法，将两个路径拼接起来，就得到了ants子数据集的相对路径；有了这个数据集的路径后，就可以使用之前所讲的listdir方法，获取这个路径中所有文件的文件名，存储到一个列表中。

img_path_list = os.listdir(path)
idx = 0
img_path_list[idx]
Out[20]: '0013035.jpg'     

可以将这个文件名与路径进行组合，然后使用PIL获取具体的图像img对象。

img_name = img_path_list[idx]
img_item_path = os.path.join(root_dir, child_dir, img_name)
img = Image.open(img_item_path)

__init__方法：获取根目录路径、子目录路径；然后将两个路径进行组合，就得到了目标数据集的路径；这个路径作为参数传入listdir函数，从而让img_path_list中存储该目录下所有文件名；通过索引就可以轻松获取每个文件名。
__getitem__方法：在__getitem__方法中，默认会有一个 item 参数，常命名为 idx，这个参数是一个索引编号，用于对我们初始化中得到的文件名列表进行索引访问，我们就得到了具体的文件名，然后与根目录、子目录再次组装，得到具体数据的相对路径，我们可以通过这个路径获取到索引编号对应的数据对象本身。

我们还可以将两个数据集对象进行组合，组合成一个大的数据集对象。

train_dataset = ants_dataset + bees_dataset

我们在python Console中看这三个数据集对象的大小：

len1 = len(ants_dataset)
len2 = len(bees_dataset)
len3 = len(train_dataset)

输出：124 121 245 ；刚好124+121=245。

完整的代码：

from torch.utils.data import Dataset
from PIL import Image
# 读取图片
import os
# 创建类MyData继承Dataset类
class MyData(Dataset):

    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)
        #获取图片的路径地址
        self.img_path=os.listdir(self.path)
        #获得图片列表
    def __getitem__(self, idx):
        img_name=self.img_path[idx]
        #图片名称
        img_item_path=os.path.join(self.root_dir,self.label_dir,img_name)
        #每张图片的地址
        img = Image.open(img_item_path)
        label = self.label_dir
        return img, label
    def __len__(self):
        return len(self.img_path)

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