pytorch 加载数据集

在PyTorch中，有几种方法可以加载自己的数据集。一种常见的方法是使用`torch.utils.data.Dataset`类创建自定义数据集。你可以创建一个类，继承自`torch.utils.data.Dataset`，并重写`__len__()`和`__getitem__()`方法来定义数据集的大小和获取样本的方式。例如，你可以参考以下代码示例：

import torch
from torch.utils.data import Dataset

class MyDataset(Dataset):
    def __init__(self, data, targets):
        self.data = data
        self.targets = targets
        
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, index):
        x = self.data[index]
        y = self.targets[index]
        return x, y

另一种方法是使用`torch.utils.data.DataLoader`类来加载数据集。`DataLoader`类可以将自定义数据集（如上面的`MyDataset`类）包装成一个可迭代的数据加载器。你可以指定批量大小、是否打乱数据等参数来定制数据加载器。通过数据加载器，你可以轻松地遍历整个数据集并获取批量的样本。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [PyTorch加载自己的数据集](https://blog.csdn.net/fb_941219/article/details/129495181)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [PyTorch如何加载数据集（自定义数据集）](https://blog.csdn.net/a1819797401/article/details/98872840)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]