医学图像九分类

解决上一次九分类存在的问题
1.将所有图片名和图片的类别存在一个csv文件中，name对应图片的名字，label对应图片的标签。

def generate_csv(path,type,csv_path):
    with open(csv_path,'w',newline='') as csvfile:
        svwriter=csv.writer(csvfile,dialect="excel")
        svwriter.writerow(['name', 'label'])
        listdir=os.listdir(os.path.join(path,type))
        for i in listdir:
            classimage=os.path.join(path,type,i)#0,1,2,3,4
            data=os.listdir(classimage)
            for j in data:
                j=j.split('.')[0]
                svwriter.writerow([j,i])

2.读取csv文件中对应的图片。由于csv文件中保存的是图片名称和图片的label，我们需要读取到具体的图片，此时我们需要重写dataset方法，将图片名和label放在字典中，由图片地址获得图片名，再根据图片名去字典中找对应图片的label，返回图片名以及label：

class mydataset(Dataset):
    def __init__(self,data_folder,class_dict,transform=None):
        self.data_folder=data_folder#存放图片的文件夹train,test,val
        self.class_dict=class_dict #由csv得到的名，类别字典
        self.transform=transform
        self.imageclass=[s for s in os.listdir(data_folder)]
        self.imagelist=[]
        for i in self.imageclass:
            self.path=os.path.join(data_folder,i)
            self.ima=os.listdir(self.path)
            for er in self.ima:
                er=i+'/'+er
                self.imagelist.append(er)
        self.labels=[class_dict[i.split('.')[0].split('/')[1]] for i in self.imagelist]
    def __len__(self):
        return len(self.imagelist)
    def __getitem__(self, idx):
        image_path=os.path.join(self.data_folder,self.imagelist[idx])
        img=Image.open(image_path)
        imag=self.transform(img)
        img_name=self.imagelist[idx].split('.')[0].split('/')[1]
        label=self.class_dict[img_name]
        return img_name,imag,label

def init()方法用来初始化，我们必须实现def len()和def__getitem__()方法，getitem()方法每次返回一个图片，len()是整个的长度，需要调用getitem()多少次
由于class mydataset(Dataset)每次只能返回一个图片，因此我们需要使用dataloader来一次加载多张图片。

def data_prepare(path,type,batch_size,transform):
    csv_data=pd.read_csv(path+'/'+type+'.csv')
    class_dict=