1、简介

• PyTorch中如何读取数据主要涉及到两个类，分别为Dataset和Dataloader。
  • Dataset：创建可被Pytorch使用的数据集
  • Dataloader：向模型传递数据
• 本文主要讲解Dataset的使用方法。

2、Dataset

2.1、查看使用方法

• 打开Anaconda Prompt，进入pytorch虚拟环境（conda activate pytorch），输入下面命令，打开Jupyter。（使用Jupyter输出的结果更加清晰）
  • 
• 新建一个文件（可自行选择创建位置）。
  • 
• 输入下面指令，按Shift+回车运行。
  • 
  • 也可以输入下列指令。
  • 
• 有下列描述可知，Dataset是一个抽象类，所有的数据集都需要继承这个类。并且所有子类都需要重写__getitem__方法来获取每一个数据的标签。
• 

2.2、应用

• 使用PyCharm打开pytorch项目。如果没有，请参考：PyTorch入门教学——使用PyCharm创建一个PyTorch项目-CSDN博客，创建一个。
• 新建一个python文件。
  • 
• 数据集下载：https://download.pytorch.org/tutorial/hymenoptera_data.zip，将下好的数据集放入pytorch项目中。
  • 
  • 该数据集分为训练数据集和验证数据集。
    • 
  • 两个数据集中包含了蚂蚁和蜜蜂的图片，可以用来做二分分类，识别图片为蚂蚁还是蜜蜂。
    • 
• 打开read_data.py，写入下列代码。

  • from torch.utils.data import Dataset
    from PIL import Image  # 获取图片
    import os  # 提供一些方法
    
    
    class MyData(Dataset):  # 继承Dataset
        # 初始化，为整个类提供全局变量
        def __init__(self, root_dir, label_dir):
            self.root_dir = root_dir  # 将这些变量赋给类，供后续函数使用
            self.label_dir = label_dir
            self.path = os.path.join(self.root_dir, self.label_dir)  # 将两个路径拼接
            self.img_path = os.listdir(self.path)  # 将路径中的所有文件名转为列表
    
        # 获取图片和标签
        def __getitem__(self, item):
            img_name = self.img_path[item]  # 获取每一个图片名称
            img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)  # 获取每一张图片的地址
            img = Image.open(img_item_path)  # 打开图片
            label = self.label_dir
            return img, label
    
        # 数量
        def __len__(self):
            return len(self.img_path)
    
    
    root_dir = "Dataset/ReadData/train"  # 图片相对路径
    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  # 整个训练数据集
    # 图片展示
    img1, label1 = train_dataset[123]  
    img1.show()  # 展示蚂蚁图片
    img2, label1 = train_dataset[124]
    img2.show()  # 展示蜜蜂图片

  • 分别将蚂蚁和蜜蜂的图片提取并展示出来。 
    •