pytorch中快速加载自定义数据（入门）

刚开始学习PyTorch，找了很多自定义数据加载的方法，还是使用torch中封装的库函数好用，而且快捷，会根据路径自动返回对应的标签，下面的代码每一行都给了注释。

import torch
from torchvision import transforms, utils
from torchvision import datasets
import torch.utils.data
import matplotlib.pyplot as plt

# 定义图像预处理
transform1 = transforms.Compose([  # 这里最好加上一个中括号，否则会被认为是意外实参
    transforms.RandomHorizontalFlip(p=0.3),  # 随机水平翻转，概率为0.3
    transforms.RandomVerticalFlip(p=0.3),  # 随机垂直翻转，概率为0.3
    transforms.Resize((32, 32)),  # 转换成32*32类型，便于收敛，此外大多数论文中也采用了这种大小，便于借鉴
    transforms.ToTensor(),  # 转换成Tensor类型
    transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))  # 进行归一化处理，可以直接套用
])

train_data = datasets.ImageFolder(r"C:\Users\asus\Desktop\cnn_data\cnn_data\data\training_data", transform=transform1)
print(train_data.classes)  # 返回训练集的标签
# 使