在pytorch中，数据加载可以通过自动逸的数据集对象来实现，数据集对象被抽象为Dataset类，实现自定义的数据集需要继承Dataset，并实现相应的方法。
下面针对给定任务进行重写Dataset类：
我们所有的图片都是在一个文件下，每个图像的标签含在一个csv文件中，所以不能利用Pytorch中的ImageFolder进行加载，所以需要自己重写DataSet类，实现读写数据。
重写DataSet类，需要重写3个方法：
- __init__：该方法主要就是一些参数初始化工作，定义一些路径或者变量什么的
- __getitem__：该方法是加载数据用的，用于读取每一条数据，他会有一个参数idx，就是对应的索引，从0开始，由于我们的图片是从001.jpg到280.jpg，所以可以利用这个索引依次读取文件夹中的所有图片，然后从标签csv中读取它对应的行拿到对应的标签，然后返回即可
- __len__：返回整个数据集的大小
# 加载数据集，自己重写DataSet类 class dataset(Dataset): # image_dir为数据目录，label_file，为标签文件 def __init__(self, image_dir, label_file, transform=None): self.image_dir = image_dir # 图像文件所在路径 self.label_file = pd.read_csv(label_file) # 图像对应的标签文件 self.transform = transform # 数据转换操作 # 加载每一项数据 def __getitem__(self, idx): # 每个图片，其中idx为数据索引 img_name = os.path.join(self.image_dir, '%.3d.jpg' % (idx + 1)) # 加载每一张照片 image = Image.open(img_name) # 对应标签 labels = (self.label_file[['cream', 'fruits', 'sprinkle_toppings']] == 'yes').astype(int).values[idx, :] if self.transform: image = self.transform(image) # 返回一张照片，一个标签 return image, labels # 数据集大小 def __len__(self): return (len(self.label_file))
如果上面任务能够明白，其实Dataset类不局限于这么写，它可以实现多种数据读取方法，只需要把读取数据以及数据处理逻辑写在__getitem__方法中即可，然后将处理好后的数据以及标签返回即可。
