【深度之眼PyTorch框架班第五期】作业打卡05：PyTorch数据读取机制Dataloader与Dataset；数据预处理transforms模块机制

任务名称

PyTorch数据读取机制Dataloader与Dataset；数据预处理transforms模块机制

任务简介

学习PyTorch数据读取机制中的两个重要模块Dataloader与Dataset；熟悉数据预处理transforms方法的运行机制

详细说明

• 第一部分介绍pytorch的数据读取机制，通过一个人民币分类实验来学习pytorch是如何从硬盘中读取数据的，并且深入学习数据读取过程中涉及到的两个模块Dataloader与Dataset

• 第二部分介绍数据的预处理模块transforms的运行机制，数据在读取到pytorch之后通常都需要对数据进行预处理，包括尺寸缩放、转换张量、数据中心化或标准化等等，这些操作都是通过transforms进行的，所以本节重点学习transforms的运行机制并介绍数据标准化(Normalize)的使用原理

作业

1.采用步进(Step into)的调试方法从 for i, data in enumerate(train_loader) 这一行代码开始，进入到每一个被调用函数，直到进入RMBDataset类中的__getitem__函数，记录从 for循环到RMBDataset的__getitem__所设计的类与函数？

1. for i, data in enumerate(train_loader)
2. DataLoader类，__iter__函数（判断单进程或多进程）
3. _SingleProcessDataLoaderIter类（单进程），__init__函数
4. _SingleProcessDataLoaderIter类，_next_data函数（获取索引和数据）
5. _BaseDataLoaderIter类，_next_index函数
6. BatchSampler类，__iter__函数
7. RandomSampler类，__iter__函数
8. RMBDataset类，__len__函数
9. 回到RandomSampler类
10. 回到BatchSampler类
11. _MapDatasetFetcher类，fetch函数（根据索引获取数据）
12. RMBDataset类，__getitem__函数（根据索引获取图片路径，读取图片，并进行预处理）

2.训练RMB二分类模型，熟悉数据读取机制，并且从kaggle中下载猫狗二分类训练数据，自己编写一个DogCatDataset，使得pytorch可以对猫狗二分类训练集进行读取。