Pytorch打怪路（三）Pytorch创建自己的数据集1
之前讲的例子，程序都是调用的datasets方法，下载的torchvision本身就提供的数据，那么如果想导入自己的数据应该怎么办呢？
本篇就讲解一下如何创建自己的数据集。
还有第二篇……Pytorch打怪路（三）Pytorch创建自己的数据集2
1.用于分类的数据集
以mnist数据集为例
这里的mnist数据集并不是torchvision里面的，而是我自己的以图片格式保存的数据集，因为我在测试STN时，希望自己再把这些手写体做一些形变，
所以就先把MNIST数据集转化成了jpg图片格式，然后做了一些形变，当然这不是重点。首先我们看一下我的数据集的情况：
如图所示，我的图片数据集确实是jpg图片
再看我的存储图片名和label信息的文本：
如图所示，我的mnist.txt文本每一行分为两部分，第一部分是具体路径+图片名.jpg
第二部分就是label信息，因为前面这部分图片都是0 ，所以他们的分类的label信息就是0
要创建你自己的 用于分类的 数据集，也要包含上述两个部分，1.图片数据集，2.文本信息（这个txt文件可以用python或者C++轻易创建，再此不详述）
2.代码
主要代码
from PIL import Image
import torch
class MyDataset(torch.utils.data.Dataset): #创建自己的类：MyDataset,这个类是继承的torch.utils.data.Dataset
def __init__(self,root, datatxt, transform=None, target_transform=None): #初始化一些需要传入的参数
super(MyDataset,self).__init__()
fh = open(root + datatxt, 'r') #按照传入的路径和txt文本参数，打开这个文本，并读取内容
imgs = [] #创建一个名为img的空列表，一会儿用来装东西
for line in fh: #按行循环txt文本中的内容
line = line.rstrip() # 删除 本行string 字符串末尾的指定字符，这个方法的详细介绍自己查询python
words = line.split() #通过指定分隔符对字符串进行切片，默认为所有的空字符，包括空格、换行、制表符等
imgs.append((words[0],int(words[1]))) #把txt里的内容读入imgs列表保存，具体是words几要看txt内容而定
# 很显然，根据我刚才截图所示txt的内容，words[0]是图片信息，words[1]是lable
self.imgs = imgs
self.transform = transform
self.target_transform = target_transform
def __getitem__(self, index): #这个方法是必须要有的，用于按照索引读取每个元素的具体内容
fn, label = self.imgs[index] #fn是图片path #fn和label分别获得imgs[index]也即是刚才每行中word[0]和word[1]的信息
img = Image.open(root+fn).convert('RGB') #按照path读入图片from PIL import Image # 按照路径读取图片
if self.transform is not None:
img = self.transform(img) #是否进行transform
return img,label #return很关键，return回哪些内容，那么我们在训练时循环读取每个batch时，就能获得哪些内容
def __len__(self): #这个函数也必须要写，它返回的是数据集的长度，也就是多少张图片，要和loader的长度作区分
return len(self.imgs)
#根据自己定义的那个勒MyDataset来创建数据集！注意是数据集！而不是loader迭代器
train_data=MyDataset(txt=root+'train.txt', transform=transforms.ToTensor())
test_data=MyDataset(txt=root+'test.txt', transform=transforms.ToTensor())#然后就是调用DataLoader和刚刚创建的数据集，来创建dataloader，这里提一句，loader的长度是有多少个batch，所以和batch_size有关
train_loader = DataLoader(dataset=train_data, batch_size=64, shuffle=True)
test_loader = DataLoader(dataset=test_data, batch_size=64)
再补充一点代码，以便更好的理解 __getitem__这个方法
for batch_index, data, target in test_loader:
if use_cuda:
data, target = data.cuda(), target.cuda()
data, target = Variable(data, volatile=True), Variable(target)这段代码是我从测试的部分中截取出来的，为什么直接能用for data, target In test_loader这样的语句呢？
其实这个语句还可以这么写：
for batch_index, batch in train_loader
data, target = batch
这样就好理解了，因为这个迭代器每一次循环所得的batch里面装的东西，就是我在__getitem__方法最后return回来的，
所以你想在训练或者测试的时候还得到其他信息的话，就去增加一些返回值即可，只要是能return出来的，就能在每个batch中读取到！
###############################################################################
有朋友可能想问，如果我的label信息不是数字而是图像呢？比如分割任务，它的label就是图像，这样的数据集的建立，也参考我的下一篇博文：
Pytorch打怪路（三）Pytorch创建自己的数据集2