PyTorch Dataset与DataLoader使用超详细讲解

一、Dataset

Dataset 类提供一种方式去获取数据及其标签

主要有两个目的：

• 获取每一个数据及其标签

• 获取数据的总量大小

1. 在控制台进行操作

Hymenoptera （膜翅目昆虫）数据集下载地址：

链接: https://pan.baidu.com/s/1XKwXsAtE2yzZW2IsvBDpnw?pwd=8a5t

提取码: 8a5t 

这是一个蚂蚁蜜蜂二分类的数据集，通常数据集有以下三种组织形式（上面的数据集属于第一种）：

• 不同的类别以文件夹的形式存在，文件夹中是该类别的图片

• 图片与标签分别存储，图片在一个文件夹下，label信息在另一个文件夹下

• label直接写在图片名称里

①获取图片的基本信息

在Pycharm 中，点击下方的PythonConsole进入控制台进行操作（通过控制台可以看到变量的详细信息）

首先加载图片，逐行输入下方代码：

from PIL import Image
img_path = "./dataset/hymenoptera_data/train/ants/0013035.jpg"
img = Image.open(img_path)

此时我们就可以在右侧看到相关变量的信息：

点击img变量，可以查看图片的详细信息。通过控制台执行程序能够直观地获取后续操作所需的数据：

最后可以通过img.show()打开图片查看：

②获取文件的基本信息

同样还是在控制台逐行输入以下代码：

dir_path = "dataset/hymenoptera_data/train/ants"
import os
img_path_list = os.listdir(dir_path)
img_path_list[0]

我们就可以获取到文件夹下的文件名称，由于是使用控制台，我们还可以在右侧查看列表的详细信息：

因此在控制台操作是有很大的优点的，我们可以在控制台逐行执行已经编写好的文件中的语句，通过查看右侧变量的值来判断程序写的是否有问题

2. 编写一个继承Dataset 的类加载数据

下面的代码也可以在控制台运行（可以多行复制粘贴）来检验程序是否有误

①定义 MyData类

导入所需头文件：

from torch.utils.data import Dataset
from PIL import Image
import os

定义MyData类：

• __init__：初始化函数

• __getitem__：返回指定下标的图片和标签

• __len__：返回数据集的大小

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)
       self.img_path = os.listdir(self.path)
   def __getitem__(self, idx):
       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)

其中os.path.join()可以实现多个路径的合并且不出错

②创建类的实例并调用

创建 MyData 类的实例：

if __name__ == "__main__":
   root_dir = "../dataset/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)

调用类中写好的函数：

img, label = ants_dataset.__getitem__(3)
   print(ants_dataset.__len__(), label)
   img.show()

同时我们也可以通过下面这种方式用已有的数据集来创造数据集：

train_dataset = ants_dataset + bees_dataset

二、DataLoader

• DataLoader 类是为后面的网络提供不同的数据形式

• DataLoader 会根据batch_size的值对数据进行打包

• 导入所需的包

import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

加载数据：

test_data = torchvision.datasets.CIFAR10("./dataset", train=False, transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=True)

测试：

img, target = test_data[0]
print(img.shape)
print(target)

进行日志记录，开始训练：

writer = SummaryWriter("dataloader")
for epoch in range(2):
   step = 0
   for data in test_loader:
       imgs, targets = data
       print(imgs.shape)
       print(targets)
       writer.add_images("Epoch: {}".format(epoch), imgs, step)
       step = step + 1
writer.close()

来源：https://blog.csdn.net/weixin_53312629/article/details/126616169