Python 中定义一个自定义数据集类 语法

在 Python 中定义一个自定义数据集类通常涉及以下几个步骤：

1. **导入基础库**：
首先，你需要导入 `torch.utils.data.Dataset` 或 `tensorflow.data.Dataset`（取决于你使用的深度学习框架），它们提供了处理输入数据的基本类。

2. **定义类**：
使用 `class` 关键字创建一个新类，并指定继承自 `Dataset` 或相应的框架类。例如，在 PyTorch 中是这样做的：

   from torch.utils.data import Dataset
   
   class CustomDataset(Dataset):
       #...

3. **初始化方法（__init__）**：
定义 `__init__` 方法，接收必要的参数并设置相关的属性。例如，包含文件路径列表：

   def __init__(self, data_paths, transform=None):
       self.data_paths = data_paths
       self.transform = transform

4. **长度计算方法（__len__）**：
通过返回数据集中元素的数量，实现 `len(dataset)` 能正确计算：

   def __len__(self):
       return len(self.data_paths)

5. **获取单个元素方法（__getitem__）**：
此方法接受一个索引，并根据需求从文件读取、预处理数据：

   def __getitem__(self, index):
       img = Image.open(self.data_paths[index])  # 假设我们处理的是图像
       if self.transform:
           img = self.transform(img)
       return img, label  # 假设有对应的标签

6. **可选方法**：
可能还需要其他方法，如 `get_labels()`，用于获取对应样本的标签。

完整例子（PyTorch）：

class CustomImageDataset(Dataset):
    def __init__(self, image_files, labels, transform=None):
        self.image_files = image_files
        self.labels = labels
        self.transform = transform

    def __len__(self):
        return len(self.image_files)

    def __getitem__(self, idx):
        image_path = self.image_files[idx]
        label = self.labels[idx]

        with open(image_path, 'rb') as f:
            img = Image.open(f)
            if self.transform is not None:
                img = self.transform(img)
        
        return img, label