pytorch导入数据

在PyTorch中，有多种方法可以导入数据。其中两种常用的方法是使用torchvision工具包中的datasets.ImageFolder和使用torch.utils.data.Dataset自定义导入数据的方式。

第一种方法是使用torchvision工具包中的datasets.ImageFolder。这种方法相对简单，只需要将数据集的根目录传递给ImageFolder，并指定一些参数，如图像的变换和标签的映射。然后可以使用torch.utils.data.DataLoader来构建可迭代的数据装载器，指定批量大小、是否打乱数据和并行加载的工作数等参数。例如：

import torchvision.datasets as datasets
import torchvision.transforms as transforms
import torch.utils.data as data

# 定义图像变换和数据集根目录
transform = transforms.Compose(\[
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=\[0.485, 0.456, 0.406\], std=\[0.229, 0.224, 0.225\])
\])
root = 'path/to/dataset'

# 创建ImageFolder数据集
dataset = datasets.ImageFolder(root=root, transform=transform)

# 创建数据装载器
dataloader = data.DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)

第二种方法是使用torch.utils.data.Dataset自定义导入数据的方式。首先需要创建一个继承自torch.utils.data.Dataset的子类，并实现其中的__init__、__getitem__和__len__方法。在__init__方法中，可以读取数据并进行预处理；在__getitem__方法中，可以根据索引返回对应的数据样本；在__len__方法中，可以返回数据集的大小。然后可以使用torch.utils.data.DataLoader来构建可迭代的数据装载器。例如：

import torch
import torch.utils.data as data
import numpy as np

class CustomDataset(data.Dataset):
    def __init__(self, filePath):
        xy = np.loadtxt(filePath, delimiter=',', dtype=np.float32)
        self.len = xy.shape\[0\]
        self.x_data = torch.from_numpy(xy\[:, :-1\])
        self.y_data = torch.from_numpy(xy\[:, \[-1\]\])

    def __getitem__(self, index):
        return self.x_data\[index\], self.y_data\[index\]

    def __len__(self):
        return self.len

# 创建自定义数据集
dataset = CustomDataset('path/to/dataset.csv')

# 创建数据装载器
dataloader = data.DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)

以上是两种常用的导入数据的方法，根据具体情况选择适合的方法来导入数据。
#### 引用[.reference_title]
- *1* *2* [深度学习pytorch之一步导入自己的训练集](https://blog.csdn.net/holzli/article/details/104220688)[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^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [Pytorch实现Dataset数据集导入 必要性解释及代码实操](https://blog.csdn.net/weixin_43920520/article/details/127482167)[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^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]