在编写代码训练神经网络之前，导入数据是必不可少的。PyTorch提供了许多预加载的数据集（如FashionMNIST），这些数据集 子类并实现特定于特定数据的函数。 

它们可用于对模型进行原型设计和基准测试，加载这些数据集是十分简单的。好吧，那如何加载自己制作的数据集呢？

简单来讲，自定义数据集类必须实现三个函数：__init__、__len__和__getitem__。下面代码就实现了一个Dataset

import osimport torchfrom torch.utils.data import Datasetfrom torchvision import transformsfrom PIL import Imageimport numpy as np​class MyDataset(Dataset):    def __init__(self, path_file,transform=None,label_transform=None):        self.path_file=path_file        self.imgs=[name for name in os.listdir(path_file)]#获取path_file路径下所有文件名        self.transform = transform        self.label_transform = label_transform​    def __len__(self):        return len(self.imgs)​    def __getitem__(self, idx):        #get the image        img_path = os.path.join(self.path_file,self.imgs[idx])#获得图片完整路径        image=Image.open(img_path)        image=image.resize((28,28))#修改图片为默认大小        image = np.array(image)        image=torch.from_numpy(image)#将numpy数组转换为张量        image=image.permute(2,0,1)#将H，W，C转换为C，H，W​        if self.transform:            image = self.transform(image)​        #get the label        str1=self.imgs[idx].split('.')        label=torch.tensor(eval(str1[1]))​        if self.label_transform:            label=self.label_transform(label) ​        return image, label

注：上述代码从路径path_file读取文件，准确来讲应该是我们准备的训练图片，格式如下：     

                 cat1.0.jpg

                  cat2.0.jpg

                  ...

                  dog1.1.jpg

                  dog2.1.jpg

                  ...

图片名重要含义：类别（0，1等）

而cat1,dog1这些并不重要，因为0，1，已经反映了图片的类别，这里仅仅是一个习惯，同样jpg也是如此。

实际上，在我们准备图片时，图片名往往不是这样，但直接写个简单的文件处理程序便很容易转变为上述格式。

之所以这样命名，就是为容易获得图片和对应的类别，也就是实现自己的Dataset。当然，其它还有许多方法，但核心就是加载自己的数据时获得图片和对应的类别。

再次看一下实现自己的Dataset的架构：

class CustomImageDataset(Dataset):    def __init__(self, path_file, transform=None, target_transform=None):        ...        ...        ...​    def __len__(self):        return len(...)​​​    def __getitem__(self, idx):        ...        ...        ...        if self.transform:            image = self.transform(image)        if self.label_transform:            label = self.label_transform(label)        return image, label

在训练模型时，我们通常希望 在“小批量”中传递样本，在每个时期重新洗牌数据以减少模型过度拟合，并使用 Python 的 加快数据检索速度。

DataLoader是一个迭代对象，它在一个简单的 API 中为我们抽象了这种复杂性。下面我们将Dataset带入DataLoader.

path="E:\\3-10\\dogandcats\\train"#图片所在目录training_data=MyDataset(path)train_dataloader = torch.utils.data.DataLoader(training_data, batch_size=2, shuffle=True)

让我们run一下：

>>> trainimg,label=next(iter(train_dataloader))>>> trainimg.size()torch.Size([2, 3, 28, 28])>>> label.size()torch.Size([2])

结果符合预期，与在使用pytorch预加载的数据集格式一样！

​

点点点，赞和在看都在这儿！