地理空间数据在从遥感和城市规划到环境监测和灾害管理的各个领域发挥着至关重要的作用。在处理机器学习任务的地理空间数据时，准备自定义数据加载器对于有效加载、预处理和增强数据而不丢失其属性至关重要，特别是当输入图像具有超过 3 个波段时。

Rasterio确实是一个专门为有效处理地理空间栅格数据而设计的专门库。虽然 OpenCV 和 Pillow 等库用途广泛并广泛用于图像处理，但它们可能不提供 Rasterio 提供的专门地理空间功能和优化。

Rasterio 专为与 GeoTIFF 等地理空间文件格式无缝协作而定制，它提供了用于地理配准、坐标转换和其他地理空间特定任务的工具。这使得它成为处理地理空间数据时的重要选择，因为它可以确保准确处理空间信息、坐标系和地图投影。

因此，在处理地理空间栅格数据集时，Rasterio 通常是首选。然而，OpenCV 和 Pillow 在某些情况下仍然有用，特别是当您需要对地理空间数据执行一般图像处理任务时、当您处理非地理空间图像数据时、或者当您只想读取一个图像的三个波段时。图像而不保留其地理空间属性。

在本教程中，我们将引导您完成使用 PyTorch 和 Rasterio 这两个用于深度学习和地理空间分析的强大库创建自定义地理空间数据加载器的过程。

先决条件：在我们开始之前，请确保您满足以下要求：