PyTorch深度学习项目：自定义数据集

在深度学习项目中，构建和使用自定义数据集是非常常见的任务。PyTorch是一种流行的深度学习框架，提供了灵活的工具和函数，使我们能够轻松地处理自定义数据集。本文将介绍如何在PyTorch中创建和使用自定义数据集，以及如何训练一个简单的深度学习模型。

首先，我们需要准备数据集。假设我们正在处理一个图像分类任务，数据集包含多个图像和相应的标签。我们将使用一个名为"dataset"的文件夹来存储我们的数据集。在"dataset"文件夹中，我们将创建两个子文件夹，一个用于存储正样本图像，另一个用于存储负样本图像。每个子文件夹中的图像应该与其相应的标签匹配。

接下来，我们需要定义一个自定义数据集类，该类将继承PyTorch中的Dataset类，并实现__len__和__getitem__方法。__len__方法应返回数据集的大小，而__getitem__方法应根据给定的索引返回相应的图像和标签。

以下是一个示例的自定义数据集类的代码：

import os
import torch
from PIL import Image