pytorch中使用Dataset、DataLoader读取自定义数据集

首先需要导入库文件
from torch.utils.data import Dataset, DataLoader

1、读取数据和标签

将数据和标签分别进行读入。

2、转换成 tensor

pytorch处理tensor,对于其他类型数据需要进行转换，如将numpy.ndarray转换为tensor类型可用函数：torch.from_numpy函数

3、定义init（）和getitem() 和len() 函数

定义类CreateDataset，需要继承Dataset类。

class CreateDataset(Dataset):#需要继承data.Dataset
def __init__(self):
    # TODO
    # 1. Initialize file path or list of file names.
    pass
def __getitem__(self, index):
    # TODO
    # 1. Read one data from file (e.g. using numpy.fromfile, PIL.Image.open).
    # 2. Preprocess the data (e.g. torchvision.Transform).
    # 3. Return a data pair (e.g. image and label).
    #这里需要注意的是，第一步：read one data，是一个data
    pass
def __len__(self):
    # You should change 0 to the total size of your dataset.
    return 0

4、初始化类

实例化类CreateDataset

train_data =  CreateDataset()

5、将类实例传给 DataLoader

trainloader = DataLoader(train_data, batch_size = 10, shuffle = False)

参考链接：
https://www.pytorchtutorial.com/pytorch-note4-input-data-pipeline/
自定义数据集例程