本教程介绍如何利用PyTorch框架构建并加载自定义数据集至DataLoader，涵盖数据预处理及迭代器实现。
在PyTorch中，`Dataset` 和 `DataLoader` 是数据加载的核心组件，它们使得我们能够高效地处理并喂送数据到深度学习模型。当使用官方提供的数据集如MNIST或CIFAR-10时，可以直接调用 `torchvision.datasets` 中的类；然而，在需要处理自定义数据集的情况下，则需重写 `Dataset` 类。
`Dataset` 是一个抽象基类，要求子类实现两个关键方法：`__getitem__` 和 `__len__`。其中，`__getitem__` 方法用于获取数据集中单个样本，而 `__len__` 返回整个数据集的大小。
在提供的代码示例中，我们创建了一个名为 `ImageLoader` 的类，并继承了 `Dataset` 类。该类中的 `__init__` 方法初始化了数据集路径和可能的预处理变换。变量 `image_names` 存储了所有图像文件名列表，而方法 `__getitem__` 根据索引读取并返回对应的图像文件；这里使用的是 `skimage.io.imread` 来加载图片，并在设置有 `transform` 参数的情况下应用相应的转换。此外，通过调用 `__len__` 方法可轻松获得数据集中的总样本数。
实际应用中通常需要对数据进行一些预处理操作，例如归一化、裁剪或缩放等。这些可以通过传递一个包含多个变换的 `transforms.Compose` 对象给 `transform` 参数来实现：
```python
transform = transforms.Compose([
transforms.Resize((224, 224)), # 图像调整为特定尺寸
transforms.ToTensor(), # 将图像从numpy数组转换成PyTorch张量
transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 1.5]) # 归一化处理
])
```
初始化 `ImageLoader` 类时，可以将此变换传递给它。
一旦自定义的 `Dataset` 被正确实现后，就可以使用 `DataLoader` 来批量加载数据。该类负责分批读取数据集，并允许设置如批次大小（batch_size）、是否需要乱序处理（shuffle）以及多线程支持等参数。例如：
```python
data_loader = torch.utils.data.DataLoader(dataset=imageloader, batch_size=32, shuffle=False, num_workers=0)
```
在此基础上，`DataLoader` 可以在训练循环中使用，它会按批次提供数据给深度学习模型进行训练。
一个简单的训练过程可能如下：
```python
for images, labels in data_loader:
# 假设标签已经被编码为整数类型
outputs = model(images)
loss = criterion(outputs, labels)
optimizer.zero_grad()
loss.backward()
optimizer.step()
```
通过这种方式，不仅能够理解如何在 PyTorch 中自定义数据加载过程，还学会了利用 `Dataset` 和 `DataLoader` 来适应不同类型的自定义数据集。这使得我们在实际项目中具有更高的灵活性和实用性。
5星
