Pytorch数据加载 （一）

1.数据加载

	在pytorch中，数据加载可以通过自定义的数据集对象实现。数据集对象被抽象为Dataset类，实现自定义的数据集需要继承Datase类，并且实现Python的两个魔法方法。
	a.**__getitem__**:返回一条数据或者样本。如obj[index]等价于obj.__getitem__(index)。如果定义一个 class Dataset(....):
	dataset =Dataset(.....)   dataset[0]就是按照索引获取我们实际需要的目标以及目标的类别，拿简单的分类问题进行描述。
	b.**__len__**: 返回样本的数量。同理我们调用len(obj)等价于obj.__len__() obj为实际Dataset类的某一个实例。
	我们一Kaggle经典的‘猫狗分类而言’，将所有照片放在同一个文件下，并且以文件名的前缀作为其实际的类别。
	如----cat.12456.jpg
		----dog.12563.jpg

import torch
from torch.utils import data
import numpy as np 
import os 
from PIL import Image

class DogCat(data.Dataset):
	def __init__(self,root):
		imgs = os.listdir(root):
		"""
		这里只是指定所有图片的路径，意思就是
		你只要能找到对应的图片以及其标签的位置
		就可以，不需要返回真正的标签如0或者1以及
		他的图片所代表的矩阵
		当调用__getitem__时才会真正的读取我们的图片
		"""
		self.imgs= [os.path.join(rootimg) for img in imgs] # 获取所有图片的绝对路径
		
	def __getitem__(self,index):
	"""
	利用index索引我们上述所说的imgs的路径列表
	"""
		img_path = self.imgs[index]
		label = 1 if 'dog' in img_path.split('/')[-1] else 0
		pil_img = Image.open(img_path) # 读取图片的矩阵np.array(pil_img)
		array = np.array(pil_img)
		data = torch.from_numpy(array)
		return data,label
	
	def __len__(self):
		return len(self.imgs)

dataset = DogCat('./data/dogcat/')
img,lambel = dataset[0]
for img,label in dataset:
	print(img,label)

	上述实现了简单的自己数据集类的定义，具体结合Dataloader实现mini-batch,这个在此处不做叙述。我主要是对Dataset总是存在误区，在此处简单记录一下。

2.数据预处理

	问题：
	利用上述代码可能会因为图片尺寸不同而返回不同的矩阵，这对于batch训练的神经网络来说不友好？
	返回样本的数值比较大[0,255]，没有归一化至[0,1]
针对上述问题，transforms模块提供了对PIL Image对象和Tensor对象的常用操作
对PIL Image的常见操作。
	Resize:调整图片尺寸
	CenterCrop、RandomCrop、RandomSizecrop：剪裁图片
	Pad:填充
	ToTensor:将PIL Image对象转成Tensor，会自动的将[0,255]归一化到[0,1]
对Tensor的常见操作如下。
	Normalize：标准化，即减均值，除以标准差
	ToPLIImage:将Tensor转为PIL Image
想实现多种数据处理时利用transforms.Compose([]),类似于nn.Sequential()