pytorch 加载数据初认识以及Dataset类代码实战（第三期）

Dataset类 与 Dataloader类

1. Dataset类作用:从海量数据中获取目标数据以及它们对应的标签(label),并为每个数据加上索引，可以通过索引来直接找到数据。(提供一种获取数据及其标签的方式)
2. Dataloader类作用:将指定的目标数据以及对应的label进行打包，并发送给后面的神经网络(为后面网络提供不同的数据形式)
3. 代码:from torch.utils.data import Dataset(引入Dataset类)
   Dataset类：所有数据集都要继承这个类，并且重写该类中的__getitem__方法,该方法作用是每个获取数据及其对应label，用户也可以选择性重写__len__方法（其作用:返回数据的长度）

Dataset代码实战

一个练手的数据集 密码: 5suq

1. 下载数据集，将其解压在对应的python工程目录下
2. 代码如下(代码中使用了opencv这个第三方库，请自行下载)

from torch.utils.data import Dataset
import os
import cv2

class MyData (Dataset):
    def __init__(self, types, root, label, image):
        self.root_dir=root
        self.label_dir=label
        self.type=types

        self.path_label=os.path.join(root, types, label)   #获得存有所有标签的路径
        self.path_image=os.path.join(root, types, image)    #获得存有所有图片的路径

        self.imgs=os.listdir(self.path_image)  #获得所有图片
        self.labs=os.listdir(self.path_label)  #获得所有标签


    def __getitem__(self, idx):
        img_name=self.imgs[idx]     #获得对应的标签文件名
        label_name=self.labs[idx]   #获得对应图片文件名

        img_path=os.path.join(self.path_image, img_name)
        label=os.path.join(self.path_label,label_name)    #获得图片对应label的文件的地址

        with open(label, "r", encoding="utf-8") as labs:      #将图片对应label文件中的label读出来
            lab=labs.read()

        imgs=cv2.imread(img_path)      #将对应图片读出来

        return imgs, lab

    def __len__(self):
        return len(self.imgs)


if __name__ == '__main__':
    cv2.namedWindow("img", cv2.WINDOW_NORMAL)

    path="dataset"
    ty="train"
    labels1="ants_label"
    labels2="bees_label"
    img_name1="ants_image"
    img_name2="bees_image"

    ants_dataset=MyData(ty, path, labels1, img_name1)    #蚂蚁训练集
    bees_dataset=MyData(ty, path, labels2, img_name2)    #蜜蜂训练集
    train_dataset=ants_dataset+bees_dataset       #合并训练集

    img, lab1=train_dataset[127]

    cv2.imshow('img', img) #读出图片
    print(lab1)  #打印出对应图片的标签
    print(len(ants_dataset))  #获得数据集长度

    cv2.waitKey(0)
    cv2.destroyAllWindows()
```
```