对于数据，我们对于已有的数据，需要用到Dataset（数据集）和DataLoader（数据加载）器。
Pytorch 读取数据主要涉及两个类：Dataset和 Dataloader
数据可类比为“垃圾”，不同数据是不同种类的垃圾，这里蓝色是可回收垃圾。
Dataset能够把垃圾中的可回收垃圾即蓝色块给挑选出来，并对其进行编号，供后续网络的使用。
而数据进入网络不会是一个个送进去，在送进去之前会进行打包，比如以一次多个的形式把数据输入进网络。
总结：
Dataset提供了一种方式去获取每个数据及其label并告诉我们总共有多少的数据。
Dataloader为数据进行打包，给要训练的网络提供不同形式的数据。
数据集 蚂蚁蜜蜂分类 下载链接：https://download.pytorch.org/tutorial/hymenoptera_data.zip
解压打开查看，分为训练数据集和验证数据集。
两个文件夹都分别有分类好的蚂蚁和蜜蜂的图片，这是一个用于对蚂蚁和蜜蜂进行二分类的数据集。
打开jupyter，新建一个名为 read_dataset的notebook。输入下图所示代码：
可以看到
Dataset的使用说明表示任何数据集应该继承Dataset，并改写成员函数：__getitem__和__len__（可选）。
这里将数据集放到工程目录下，这样就可以用相对路径进行访问了：
代码：
from torch.utils.data import Dataset
from PIL import Image
import os
class MyData(Dataset):
def __init__(self, root_dir, label_dir):
self.root_dir = root_dir
self.label_dir = label_dir
self.path = os.path.join(self.root_dir,self.label_dir)
# get relative address of ants pictures
self.img_path = os.listdir(self.path)
def __getitem__(self, idx):
"""
:param idx: img_name
:return: object of data,label
"""
img_name = self.img_path[idx]
img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
img = Image.open(img_item_path)
label = self.label_dir
return img, label
def __len__(self):
return len(self.img_path)
root_dir = "hymenoptera_data/train"
ants_label_dir ="ants"
bees_label_dir ="bees"
ants_dataset = MyData(root_dir, ants_label_dir)
bees_dataset = MyData(root_dir, bees_label_dir)
train_dataset = ants_dataset + bees_dataset
img, label = train_dataset[0]
print(label)
img.show()
这里就是对数据集进行简单读取，可以通过索引来对指定的数据进行图片信息和 label 读取，输出如下图所示：
这里就是对数据集进行简单读取，可以通过索引来对指定的数据进行图片信息和 label 读取，输出如下图所示：
