torchvision.datasets.ImageFolder（最详细功能总结）

1. 数据集目录结构

数据集按类别放在不同的子文件夹中。
示例结构：

/path/to/hotdog/
    train/
        hotdog/
            img1.jpg
            img2.jpg
            ...
        not-hotdog/
            img1.jpg
            img2.jpg
            ...
    test/
        hotdog/
            img1.jpg
            img2.jpg
            ...
        not-hotdog/
            img1.jpg
            img2.jpg
            ...

2. 加载数据集

使用 torchvision.datasets.ImageFolder 类加载数据集。
示例代码：

import os
from torchvision import datasets

data_dir = '/path/to/hotdog'
train_imgs = datasets.ImageFolder(os.path.join(data_dir, 'train'))

3. ImageFolder 如何工作

• 递归遍历指定目录中的所有图像文件。
• 子文件夹名称作为类别标签，按字母顺序自动分配标签。
    - hotdog 文件夹中的图像标签为 0。
    - not-hotdog 文件夹中的图像标签为 1。
• 每个样本以 (image, label) 的形式存储：
    - train_imgs[i][0] 是图像数据。
    - train_imgs[i][1] 是类别标签。

4. 展示图像示例

从前8个和后8个样本中分别取出图像部分并显示。
示例代码：

from d2l import torch as d2l

hotdogs = [train_imgs[i][0] for i in range(8)]
not_hotdogs = [train_imgs[-i-1][0] for i in range(8)]

d2l.show_images(hotdogs + not_hotdogs, 2, 8, scale=1.4)

核心要点

• 目录结构：按类别组织文件夹。
• 加载数据：使用 ImageFolder 类加载数据集。
• 标签分配：子文件夹名称按字母顺序自动分配标签。
• 访问数据：
    - train_imgs[i][0] 获取图像。
    - train_imgs[i][1] 获取标签。

这样，你可以很方便地将这个总结保存为 Markdown 文件或笔记。