PyTorch深度学习笔记（五）Pytorch加载数据初认识

课程学习笔记，课程链接

1、Dataset 和 Dataloader

Pytorch 读取数据主要涉及两个类：Dataset 和 Dataloader，后者用于数据加载和为网络提供数据，前者主要告诉后者如何获取数据。

数据可类比为“垃圾”（不恰当的比方），不同数据是不同种类的垃圾，这里蓝色是可回收垃圾。

Dataset 能够把垃圾中的可回收垃圾即蓝色块给挑选出来，并对其进行编号，供后续网络的使用。同时还获取相应的 label。即 Dataset 提供了一种方式去获取每个数据及其 label 并告诉我们总共有多少的数据。

而数据进入网络不会是一个个送进去，在送进去之前会进行打包，比如以一次多个的形式把数据输入进网络。Dataloader 为数据进行打包，给要训练的网络提供不同形式的数据。

二、数据集初识

数据集-蚂蚁蜜蜂分类下载链接

 这是一个用于对蚂蚁和蜜蜂进行二分类的数据集，文件夹的名称对应其label

三、Dataset类初识

打开 jupyter，输入下图所示代码：

# 常用的一些工具，torch 大工具箱中的常用工具区，然后是关于数据的data区
from torch.utils.data import Dataset  

'''
  Dataset 是一个抽象类，所有的数据集都需要去继承这个类
  所有的子类都应该重写 __gititem__，该方法主要是获取每个数据及其 label
  同时还可以选择重新其中的 __len__，即数据有多长
'''