pytorch中怎么加载自己的数据集

在PyTorch中，可以通过创建一个自定义的数据集类来加载自己的数据集。

首先，需要导入以下必要的库和模块：

import torch from torch.utils.data import Dataset, DataLoader 

接下来，创建一个自定义的数据集类，继承自torch.utils.data.Dataset类。在该类中，需要实现__init__、__len__和__getitem__方法。__init__方法用于初始化数据集，__len__方法返回数据集的大小，__getitem__方法用于获取指定索引的数据。

class CustomDataset(Dataset): def __init__(self, ...): # 初始化数据集 ... def __len__(self): # 返回数据集大小 ... def __getitem__(self, index): # 获取指定索引的数据 ... 

在__getitem__方法中，需要根据索引加载对应的数据，并返回数据和标签。可以使用torchvision.transforms模块对数据进行预处理。

from torchvision import transforms class CustomDataset(Dataset): def __init__(self, ...): # 初始化数据集 ... # 定义数据预处理 self.transform = transforms.Compose([ transforms.ToTensor(),  # 将数据转为Tensor transforms.Normalize((0.5,), (0.5,))  # 数据标准化 ]) def __len__(self): # 返回数据集大小 ... def __getitem__(self, index): # 获取指定索引的数据 ... # 加载数据和标签 data, label = ... # 对数据进行预处理 data = self.transform(data) return data, label 

最后，使用DataLoader类来加载数据集。DataLoader可以按批次加载数据，并提供数据的迭代器。

dataset = CustomDataset(...) dataloader = DataLoader(dataset, batch_size=32, shuffle=True) 

通过上述步骤，就可以加载自己的数据集并使用DataLoader来获取数据和标签。