pytorch读入数据方式

PyTorch读取数据集的方式一般有三种情况，具体如下：

1. 读取官方给的数据集，例如Imagenet，CIFAR10，MNIST等。这些库调用`torchvision.datasets.XXXX()`即可，例如想要读取MNIST数据集：

import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision

train_data = torchvision.datasets.MNIST(
    root='./mnist/',
    train=True, # this is training data
    transform=torchvision.transforms.ToTensor(), # Converts a PIL.Image or numpy.ndarray to
                                                 # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
    download=True,
)

2. 使用`torch.utils.data.Dataset`和`torch.utils.data.DataLoader`自定义数据集读取方式。这种方式需要自己定义数据集的读取方式，可以适用于各种数据集，例如图像、文本、音频等。具体实现可以参考以下代码：

class MyDataset(Data.Dataset):
    def __init__(self, data, label):
        self.data = data
        self.label = label

    def __getitem__(self, index):
        x = self.data[index]
        y = self.label[index]
        return x, y

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

train_data = MyDataset(data, label)
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)

3. 直接读取数据文件，例如txt、csv等。这种方式需要自己编写读取文件的代码，可以适用于各种格式的数据文件。具体实现可以参考以下代码：

class MyDataset(Data.Dataset):
    def __init__(self, file_path):
        self.data = []
        self.label = []
        with open(file_path, 'r') as f:
            for line in f:
                line = line.strip().split(',')
                self.data.append(line[:-1])
                self.label.append(line[-1])

    def __getitem__(self, index):
        x = self.data[index]
        y = self.label[index]
        return x, y

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

train_data = MyDataset(file_path)
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)