一.torch.utils.data包含Dataset，Sampler，Dataloader

torch.utils.data主要包括以下三个类：
1. class torch.utils.data.Dataset: 作用: (1) 创建数据集,有__getitem__(self, index)函数来根据索引序号获取图片和标签, 有__len__(self)函数来获取数据集的长度.

其他的数据集类必须是torch.utils.data.Dataset的子类,比如说torchvision.ImageFolder.

2. class torch.utils.data.sampler.Sampler(data_source)
参数: data_source (Dataset) – dataset to sample from

作用: 创建一个采样器, class torch.utils.data.sampler.Sampler是所有的Sampler的基类, 其中,iter(self)函数来获取一个迭代器,对数据集中元素的索引进行迭代,len(self)方法返回迭代器中包含元素的长度.

3. class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None)

 

二. datasets.ImageFolder  ，可用于提取分类网络图片使用

参数：

root：图片存储的根目录，即各类别文件夹所在目录的上一级目录。
transform：对图片进行预处理的操作（函数），原始图片作为输入，返回一个转换后的图片。
target_transform：对图片类别进行预处理的操作，输入为 target，输出对其的转换。如果不传该参数，即对 target 不做任何转换，返回的顺序索引 0,1, 2…
loader：表示数据集加载方式，通常默认加载方式即可。
is_valid_file：获取图像文件的路径并检查该文件是否为有效文件的函数(用于检查损坏文件)

 

属性值：

• self.classes：用一个 list 保存类别名称
• self.class_to_idx：类别对应的索引，与不做任何转换返回的 target 对应
• self.imgs：保存(img-path, class) tuple的 list

　　

def verity_datasets():
    root = './datasets/train'  # 根路径
    data = datasets.ImageFolder(root)  # 可以理解载入dataset
    print('data.classes:',data.classes)  # 类别信息
    print('data.class_to_idx:',data.class_to_idx)  # 类别与索引
    print('data.imgs:',data.imgs)  # 图片地址与标签
    img = cv2.imread(data.imgs[0][0])
    plt.imshow(img)
    plt.show()
    for img,label in data:
        image=cv2.cvtColor(np.asarray(img),cv2.COLOR_RGB2BGR)
        print( image.shape,label)

代码运行结果如下：

 

 

 

若需要添加transform 可使用如下代码：

from torchvision.datasets import ImageFolder
from torchvision import transforms

#加上transforms
normalize=transforms.Normalize(mean=[.5,.5,.5],std=[.5,.5,.5])
transform=transforms.Compose([
transforms.RandomCrop(180),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(), #将图片转换为Tensor,归一化至[0,1]
normalize
])

dataset=ImageFolder('./data/train',transform=transform)

 

三.dataloader加载方式，需要添加自己信息如何更改源码如下：

 

import numpy as np
from PIL import Image
from torch.utils.data.dataset import TensorDataset,Dataset
from typing import TypeVar, Generic, Iterable, Iterator, Sequence, List, Optional, Tuple
from torch.tensor import Tensor
T_co = TypeVar('T_co', covariant=True)
T = TypeVar('T')


class TensorDataset(Dataset[Tuple[Tensor, ...]]):
    r"""Dataset wrapping tensors.

    Each sample will be retrieved by indexing tensors along the first dimension.

    Arguments:
        *tensors (Tensor): tensors that have the same size of the first dimension.
    """
    tensors: Tuple[Tensor, ...]

    def __init__(self,my_info, *tensors: Tensor) -> None:
        assert all(tensors[0].size(0) == tensor.size(0) for tensor in tensors)
        self.tensors = tensors
        self.my_info=my_info

    def __getitem__(self, index):
        return tuple([tensor[index],self.my_info[index]] for tensor in self.tensors)

    def __len__(self):
        return self.tensors[0].size(0)



def verity_dataloader():


    x = torch.linspace(1, 10, 10)
    y = torch.linspace(10, 1, 10)
    k = [{'img_meta':20} for _ in range(10)]
    print(x,y)
    # 数据集包装数据和标签，实际是一个迭代器，类似dataset方法，一般为输入图片x与对应标签y，
    # 但如果想更改传入更多参数，需要自己更改源码，主要是__getiterm__方法。
    # torch_dataset = torch.utils.data.TensorDataset(x, y) # 未更改源码
    torch_dataset = TensorDataset(k,x,y)   # 已经更改了源码

    loader = torch.utils.data.DataLoader(
        # 从数据库中每次抽出batch size个样本
        dataset=torch_dataset,
        batch_size=3,
        shuffle=True,
        num_workers=2,
        drop_last=True  # True丢弃最后bath不足数据，false不丢弃
    )

    for step, (batch_x, batch_y) in enumerate(loader):
        # training
        print("steop:{}, batch_x:{}, batch_y:{}".format(step, batch_x, batch_y))

 

结果如下：

 

 

 

 

 

 

 

 

 

参考博客：

https://blog.csdn.net/qq_39507748/article/details/105394808

https://blog.csdn.net/tsq292978891/article/details/79414512