解决任何真实问题的重要一步是获取数据，Kaggle提供了大量不同数据科学问题的竞赛。
我们将从
https://www.kaggle.com/competitions/dogs-vs-cats/data
下载猫狗数据集，并对其进行一定的操作，以正确的导入到我们的计算机，为接下来的模型训练做准备。
数据集（带有标号的）包含25000张图片，猫狗各一半，图片格式如下：
类别.序号.jpg，比如
-
cat.1.jpg，cat.2.jpg,cat.3.jpg,....cat.12449.jpg
-
dog.1.jpg,dog.2.jpg,dog.3.jpg,.....dog.12499.jpg
共计25000张。
直接将其导入计算机显然是不行的，我们必须对图片名进行处理，接着构建自己的Dataset类。
首先对图片名进行处理：
import ospath="E:\\3-10\\source\\train\\"filenames=[name for name in os.listdir(path)]j=0k=0catList=[]dogList=[]for i,filename in enumerate(filenames):src=path+filenamenamelist=filename.split('.')if namelist[0]=='cat':j=j+1dst=namelist[0]+str(j)+'.0'+'.'+namelist[2] #猫标签设置为0catList.append(dst)#获得cat的图片名集合else:k=k+1dst=namelist[0]+str(k)+'.1'+'.'+namelist[2] #狗标签设置为1dogList.append(dst)#获得dog的图片名集合dst=path+dstos.rename(src,dst)
注：path为下载的数据集图片的路径
在这步操作后，cat和dog的图片名则变为了下列格式：
-
cat1.0.jpg,
-
cat2.0,jpg
-
cat3.0.jpg
-
....
-
cat12500.0.jpg
-
dog1.1.jpg,
-
dog2.1.jpg
-
....
-
dog12500.1.jpg
需要强调的是这里的cat1，dog1...，jpg格式仅仅是一个习惯，没有太多的含义，真正重要的是0，1，...,这是个标签，指明了这张图片的类别,并在构建Dataset类时发挥作用。0代表cat,而1代表dog。
同时，catList和dogList还分别存储了猫和狗的图片路径名程，就像这样。
-
['cat1.0.jpg', 'cat2.0.jpg', 'cat3.0.jpg', 'cat4.0.jpg', 'cat5.0.jpg'...]
-
['dog1.1.jpg', 'dog2.1.jpg', 'dog3.1.jpg', 'dog4.1.jpg', 'dog5.1.jpg'...]
之所以这样处理，是因为为了易于划分训练集和测试集。
接着，实现自己的Dataset类
import torchimport osfrom torch.utils.data import Datasetfrom torchvision import transformsfrom PIL import Imageimport numpy as npclass MyDataset(Dataset):def __init__(self,path_file,namelists,transform=None):self.path_file=path_fileself.imgs=namelistsself.transform=transformdef __len__(self):return len(self.imgs)def __getitem__(self, idx):#get the imageimg_path = os.path.join(self.path_file,self.imgs[idx])image=Image.open(img_path)image=image.resize((28,28))#修改图片大小，默认大小if self.transform:image = self.transform(image)#get the labelstr1=self.imgs[idx].split('.')label=eval(str1[1])return image, labeltrain_data=MyDataset(path,catList[0:10000]+dogList[0:10000],transform=transforms.Compose([transforms.ToTensor(),transforms.Resize((224,224))]) )test_data=MyDataset(path,catList[10000:12500]+dogList[10000:12500],transform=transforms.Compose([transforms.ToTensor(),transforms.Resize((224,224))]) )
训练集和测试集按8：2的比例划分。
导入DataLoader:
train_loader=torch.utils.data.DataLoader(train_data, batch_size=32, shuffle=True)test_loader=torch.utils.data.DataLoader(test_data, batch_size=32, shuffle=True)
测试：
#测试len(train_data)20000len(test_data)5000imgs,labels=next(iter(train_loader))imgs.size()torch.Size([32, 3, 224, 224])labels.size()torch.Size([32])labelstensor([0, 1, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 0, 1,1, 0, 0, 0, 0, 1, 0, 0])
