pytorch 输出dataset的tupian

下面是使用 PyTorch 输出图像数据集的示例代码。

假设你的图像数据集位于`data`文件夹下，包含两个子文件夹`train`和`test`，分别存储训练集和测试集。每个子文件夹下包含多个图像文件，文件名为`img1.jpg`、`img2.jpg`等等。

import torch
from torchvision import datasets, transforms

# 定义数据预处理
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor()
])

# 加载训练集和测试集，并进行预处理
train_dataset = datasets.ImageFolder("data/train", transform=transform)
test_dataset = datasets.ImageFolder("data/test", transform=transform)

# 输出训练集和测试集的图像和标签
for i in range(len(train_dataset)):
    img, label = train_dataset[i]
    print("训练集图像{}，标签{}".format(img.shape, label))

for i in range(len(test_dataset)):
    img, label = test_dataset[i]
    print("测试集图像{}，标签{}".format(img.shape, label))

在上面的示例代码中，`transform`定义了数据预处理步骤，将图像缩放到`224x224`大小并转换为张量。`datasets.ImageFolder`函数用于加载数据集，将训练集和测试集分别存储在`train_dataset`和`test_dataset`中。使用for循环遍历数据集，输出每个图像的大小和对应的标签。