Pytorch之Dataset和Dataloader(加载数据)

#Pytorch学习

---

前言。。

首先深度学习需要数据集，而数据集的处理离不开Dataset类和DataLoader类。
简单的区别一下Dataset和Dataloader：
Dataset是一个需要我们实现的抽象类，通过我们相关实现，表示数据集，实现数据集的具体功能。
而Dataloader,我们一般直接调用，调用来加载数据集。

先说一下常见的数据组成形式：

1. 一个文件夹对应一个类，data根据类被分成不同的文件夹
2. 一个图片文件对应名称为标签，
3. 两个文件夹，一个文件夹存图片，另一个存标签。有的标签过于复杂，适合单独存放，而不放入名字里

---

一、Dataset

1.Dataset 是torch.utils.data.dataset包里一个抽象类，可以用来创建数据集，我们需要重写子类来完成数据集的创建。
2.其中最重要的两个方法就是len和getitem，也是子类必须要重写的方法，len函数返回数据集长度，getitem用来查找数据和标签

1.针对不同的文件夹存放不同的类数据

这里图片的名字并没有很大的意义。

代码实现：

from torch.utils.data import Dataset
from PIL import Image   #这里用来读取图片数据
import os

class MyData(Dataset):  # 这里定义了一个MyData类继承Dataset读取数据

    def __init__(self, root_dir, label_dir):        #进行初始化数据
        self.root_dir = root_dir        #比如 "data/train"  相对路径
        self.label_dir = label_dir      #这里可以是 "ant"
        self.path = os.path.join(self.root_dir