前言

众所周知，Dataset和Dataloder是pytorch中进行数据载入的部件。必须将数据载入后，再进行深度学习模型的训练。在pytorch的一些案例教学中，常使用torchvision.datasets自带的MNIST、CIFAR-10数据集，一般流程为：

# 下载并存放数据集
train_dataset = torchvision.datasets.CIFAR10(root="数据集存放位置",download=True)
# load数据
train_loader = torch.utils.data.DataLoader(dataset=train_dataset)

但是，在我们自己的模型训练中，需要使用非官方自制的数据集。这时应该怎么办呢？

我们可以通过改写torch.utils.data.Dataset中的__getitem__和__len__来载入我们自己的数据集。
__getitem__获取数据集中的数据，__len__获取整个数据集的长度（即个数）。

改写

采用pytorch官网案例中提供的一个脸部landmark数据集。数据集中含有存放landmark的csv文件，但是我们在这篇文章中不使用（其实也可以随便下载一些图片作数据集来实验）。

import os
import torch
from skimage import io, transform
import numpy as np
import matplotlib.pyplot as plt
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms, utils

plt.ion()   # interactive mode

torch.utils.data.Dataset是一个抽象类，我们自己的数据集需要继承Dataset，然后改写上述两个函数：

class ImageLoader(Dataset):
    def __init__(self, file_path, transform=None):
        super(ImageLoader,self).__init__()
        self.file_path = file_path
        self.transform = transform  # 对输入图像进行预处理，这里并没有做，预设为None
        self.image_names = os.listdir(self.file_path) # 文件名的列表
        
    def __getitem__(self,idx):
        image = self.image_names[idx]
        image = io.imread(os.path.join(self.file_path,image))
# if self.transform:
# image= self.transform(image)
        return image
                 
    def __len__(self):
        return len(self.image_names)

# 设置自己存放的数据集位置，并plot展示 
imageloader = ImageLoader(file_path="D:\\Projects\\datasets\\faces\\")
# imageloader.__len__() # 输出数据集长度（个数），应为71
# print(imageloader.__getitem__(0)) # 以数据形式展示
plt.imshow(imageloader.__getitem__(0)) # 以图像形式展示
plt.show()

得到的图片输出：

得到的数据输出，：

array([[[ 66,  59,  53],
        [ 66,  59,  53],
        [ 66,  59,  53],
        ...,
        [ 59,  54,  48],
        [ 59,  54,  48],
        [ 59,  54,  48]],
       ...,
        [153, 141, 129],
        [158, 146, 134],
        [158, 146, 134]]], dtype=uint8)

上面看到dytpe=uint8，实际进行训练的时候，常常需要更改成float的数据类型。可以使用：

# 直接改成pytorch中的tensor下的float格式 
# 也可以用numpy的改成普通的float格式
to_float= torch.from_numpy(imageloader.__getitem__(0)).float() 

改写完成后，直接使用train_loader =torch.utils.data.DataLoader(dataset=imageloader)载入到Dataloader中，就可以使用了。
下面的代码可以试着运行一下，产生的是一模一样的图片结果。

train_loader = torch.utils.data.DataLoader(dataset=imageloader)
train_loader.dataset[0]
plt.imshow(train_loader.dataset[0])
plt.show()