pytorch dataloader怎么加载图像数据对应的标签

在 PyTorch 中，可以通过自定义 Dataset 类和 DataLoader 类来加载图像数据和对应的标签。以下是一个示例代码：

import torch
from torch.utils.data import Dataset, DataLoader
from PIL import Image

class MyDataset(Dataset):
    def __init__(self, img_paths, labels):
        self.img_paths = img_paths
        self.labels = labels

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

    def __getitem__(self, idx):
        img_path = self.img_paths[idx]
        label = self.labels[idx]
        img = Image.open(img_path).convert('RGB')
        # 可以添加图像预处理操作，例如裁剪、缩放、归一化等
        return img, label

img_paths = ['/path/to/image1.jpg', '/path/to/image2.jpg', ...]
labels = [0, 1, ...]
dataset = MyDataset(img_paths, labels)
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

在上述代码中，`MyDataset` 类继承了 `torch.utils.data.Dataset` 类，并重写了 `__len__` 和 `__getitem__` 方法，分别用于返回数据集的长度和某个索引位置的数据样本。在 `__getitem__` 方法中，根据索引位置读取对应的图像路径和标签，并使用 PIL 库中的 `Image.open` 方法加载图像数据。可以根据需要添加图像预处理操作。最后，通过 `DataLoader` 类将数据集包装成批量数据加载器，可以设置批量大小和是否随机打乱数据顺序。