torch.utils.data.Dataset类的__getitem__函数

`torch.utils.data.Dataset` 类的 `__getitem__` 函数是其核心组件之一，它定义了从数据集中获取单个样本的方式。这个函数的主要作用是：

1. 根据传入的索引（通常是整数），查找并返回对应的数据项。这对于支持随机访问的数据集至关重要，如文件夹中的图片、CSV 文件中的表格行等[^1]。

2. 对于复杂的任务，如图像分类，可以在这个函数内部执行更复杂的操作。例如，如果数据集是图像和标签对，`__getitem__` 可以读取指定索引的图像文件，加载图像到 PyTorch 的张量中，并同时返回相应的标签。示例代码可能如下所示：

class ImageDataset(Dataset):
    def __init__(self, image_folder, labels_file):
        self.images = os.listdir(image_folder)
        self.labels = load_labels(labels_file)

    def __getitem__(self, index):
        img_path = os.path.join(self.image_folder, self.images[index])
        img = Image.open(img_path).convert('RGB')  # 加载图像并转换为RGB
        label = self.labels[index]  # 获取对应标签
        return torch.tensor(img), label  # 返回PyTorch张量表示的图像和标签

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

在这里，`__getitem__` 负责读取图片文件，将其转换成适合神经网络输入的张量形式，同时提取对应的标签。