ModelArts平台打卡体验活动-使用mindspore自定义数据集搭建CNN实现猫狗分类

在体验活动中我快速上手了mindspore，实现了数字分类，其结果如下：

在体验了这一过程后我想要自己动手用mindspore实现一个猫狗分类的任务，用到的神经网络是卷积神经网络，在这一过程中我遇到的难点主要是数据的加载和处理，下文会介绍我这个任务的整个实现过程，以及踩到的坑，重点在于数据的加载和处理。

首先mindspore包含了很多图像数据集，很多可以直接用它封装好的函数，不需要自己创建，但是对于自己特定的任务还是需要自己创建的，首先就是设定训练集和验证集的路径，然后用dataset的一个方法GeneratorDataset就可以创建数据集了，这个比较简单，掌握一些OS库的基本操作就可以，对于文本文件的读取可以用mindspore封装好的LineReader方法，可以很方便的读取文本信息。下面是我的代码（数据集附在附件中）：

class MyDataset():
    def __init__(self,path,dir):
        self.reader=LineReader(path)
        self.dir=dir
    def __getitem__(self,index):
        line=self.reader.readline(int(index+1))
        line=line.split(' ')
        filepath=os.path.join(self.dir,line[0])
        label=int(line[1])
        image=Image.open(filepath)
        # image = np.array(image)  # 转为 NumPy 数组
        return image,label
    
    def __len__(self):
        return