PyTorch深度学习（1）Dataset数据集

使用Dataset数据集，需要先导入torch.utils.data 数据工具中的 Dataset

from torch.utils.data import Dataset  （Dataset注意大写）

继承Dataset类后可重写两个方法

__init__(self, 之后的参数可加)

__getitem__(self, idx)  idx为索引

__len__(self)为获取数据集长度

# Dataset  数据集
from torch.utils.data import Dataset
from PIL import Image  # PIL 中 Image为图片处理类
import os    # 系统类，用于路径的处理

class MyData(Dataset):
    def __init__(self, root_dir, label_dir):
        self.root_dir = root_dir
        self.label_dir = label_dir
        # 将根目录和标签目录路径拼接
        path = os.path.join(self.root_dir, self.label_dir)
        # 获取含有图片集的文件夹路径
        self.img_list = os.listdir(path)  

    def __getitem__(self, idx):
        # 获取单张图片名称
        img_name = self.img_list[idx]
        # 获取单张图片路径
        img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
        # Image类根据图片路径打开图片
        img = Image.open(img_item_path)
        label = self.label_dir
        return img, label

    def __len__(self):
        return len(self.img_list)


r_dir = "train"
ants_l_dir = "ants"
bees_l_dir = "bees"
ants_dataset = MyData(r_dir, ants_l_dir)
bees_dataset = MyData(r_dir, bees_l_dir)

Python文件、控制台、Jupyter notebook优缺点

Python文件：代码以块为一个整体运行，Python文件的块是所有行的代码
优点：通用，传播方便，适用于大型项目
缺点：需要从头运行

Python控制台：以任意行为块运行
优点：显示每个变量属性
缺点：不利于代码阅读及修改

Jupyter：以任意行为块进行
优点：利于代码阅读及修改缺
缺点：环境需要配置