pytorch学习（八）Dataset加载分类数据集

我们之前用torchvision加载了pytorch的网络数据集，现在我们用Dataset加载自己的数据集，并且使用DataLoader做成训练数据集。

图像是从网上下载的，网址是 点这里，标签是图像文件夹名字。下载完成后作为自己的数据集。

1.加载自己的数据集的思路

    1）要完成继承自Dataset的类的构建

          由于Dataset是一个包含了虚函数的类，因此继承Dataset后，必须实现这些虚函数。

   2）第一个要完成的是__init__的构建，一般的方法是在__init__（self,root_dir, label_dir)中设置数据集的根目录root_dir，和类别数据集label_dir，然后用os.listdir得到label_dir中的图像名字

    3)第二个要完成的就是

__getitem__(self, item):

       item就是所要取数据的索引，这个函数主要是返回一个训练数据（比如一个图像），和一个结果数据，比如（该图像的分类结果是一个ant），因此用到刚os.listdir所列出的文件名字，用os.path.join加入路径，得到图像的绝对路径，用PIL导入图像，并给label赋值，返回图像和；abel即可。

   4）第三个要实现的就是数据集的长度

  __len__(self):

可以直接len(os.listdir所列出的文件名的数组)，就可以得到数据集的长度。

2.需要注意的问题

   我在调试的时候发现