神奇宝贝五分类：数据预处理，可以推广到任意图片集

我们知道我们采集的图片大小可能是任意的，但是网络的输入大小通常是固定的，所以我们需要变换尺寸。

数据预处理步骤

第一步Image Resize

第二步 data argumentation（数据增强）使图片数量增多，模型计算更精准。比如随机的裁剪和旋转工作

第三步Normalize，把原来的从0-1分布的像素点变换成0附近，比如-1到1或-0.5到0.5等

第四步ToTensr，把数据类型转换到tensor上

import torch
import os,glob
import random,csv

from torch.utils.data import Dataset  # 所有自定义数据集的母类




class Pokemon(Dataset):
    # 初始化函数,首先需要接收的是文件位置,固定大小（在这里接收方便更改，适用所有网络），mode即代表区分train vaild test三种类型
    def __init__(self,root,resize,mode):
        super(Pokemon, self).__init__()

        # 把参数保存下来
        self.root=root
        self.resize=resize
        # 之后要把每一个保存下来的类，做一个映射，即你对应的类别的label是多少，人为编码并且编好之后不能改变。
        # 字典类型
        self.name2label = {} # ‘bulbasaur（妙蛙种子）’=>0
        # 创建映射表，谁先加载进来就编码为0
         # root下边所有文件夹都遍历一下
        for name in sorted(os.listdir(os.path.join(root))): # listdir返回的顺序不固定，所以进行一个排序，固定好顺序
            # listdir可能会把目录和文件都包含进来，我们把文件过滤掉
            if not os.path.isdir(os.path.join(root,name)):
                continue

            # 拿到了目录的名字，然后保存到上边创建的表里,name作为key
            # 把你当前的元素数量的长度作为最新的元素的label值，比如你当前只有一个映射，label=0再进来的一个就是1
            self.name2label[name] = len(self.name2label.keys())
        print(self.name2label)




    def __len__(self):
        pass
    def __getitem__(self, idx):
        pass


# 写一个验证的函数
def main():
    db=Pokemon('pokeman',224,'train')


if __name__ == '__main__':
    main()



# 结果输出：{'bulbasaur': 0, 'charmander': 1, 'mewtwo': 2, 'pikachu': 3, 'squirtle': 4}

我们拿到了数据和标签的表格了然后来接受图片

然后创建一个文件来接收图片

    # 输出表格后，只是第一步，然后来接收图片
        # 希望拿到一个文件，文件是image path+image label
    def load_csv(self,filename):
# 把所有的图片放进来
        images=[]
        for name in self.name2label.keys():
            # 把当前类别里的png和jpg文件合并到image里面去，即所有图片都放到images这个list里面
            # 比如保存进去的格式‘pokeman\\mewtwo\\00001.png’
            images += glob.glob(os.path.join(self.root,name,'*.png')) # 把当前所有的len下边的文件都保存进来。
            images += glob.glob(os.path.join(self.r