????????最近放假在超星總部河北燕郊園區(qū)實(shí)習(xí)，本來(lái)是搞前后端開(kāi)發(fā)崗位的，然后帶我的副總老大哥比較關(guān)照我，了解我的情況后得知我大三選的方向是大數(shù)據(jù)，于是建議我學(xué)學(xué)python、Hadoop，Hadoop我看了一下內(nèi)容比較多，而且我現(xiàn)在大二暑假不著急這么快學(xué)完，公司暫時(shí)也沒(méi)這個(gè)項(xiàng)目可以給我學(xué)，于是我就先學(xué)了兩天python，把基礎(chǔ)python學(xué)完了。

? ? ? ? 然后副總老大哥來(lái)問(wèn)我學(xué)完了Python是吧，直接給我一個(gè)項(xiàng)目好好了解一下，然后我看了這個(gè)項(xiàng)目的文檔，PyTorch？？是啥？？

這給我搞迷糊了，他跟我解釋這是一個(gè)ai深度學(xué)習(xí)的框架語(yǔ)言，于是我又開(kāi)始了新的學(xué)習(xí)，這里以這篇文章開(kāi)始記錄我對(duì)PyTorch的學(xué)習(xí)。

一、PyTorch是啥？

本人語(yǔ)言能力較差，也只是小白，所以這里直接用權(quán)威的百度百科簡(jiǎn)單介紹：

簡(jiǎn)單來(lái)說(shuō)就是基于Python語(yǔ)言編寫(xiě)的深度學(xué)習(xí)框架，現(xiàn)如今學(xué)習(xí)人工智能就是學(xué)深度學(xué)習(xí)，而深度學(xué)習(xí)單純用python來(lái)寫(xiě)要寫(xiě)巨海量的代碼，我們這些小卡拉米根本沒(méi)這個(gè)能力，所以就需要一個(gè)深度學(xué)習(xí)框架幫我們省去很多代碼，就像前端后端都需要框架語(yǔ)言一樣，下面是百度百科：

二、安裝與配置

1、安裝ANACONDA

ANACONDA是一個(gè)工具庫(kù)，里面有很多我們后面學(xué)習(xí)需要的工具包，就像你的java后端maven里可以下載大量依賴包、pycharm可以下載大量依賴包一樣，ANACONDA就是這么個(gè)玩意。

最新版下載官方地址（不能選版本）：Anaconda | The Operating System for AI

（可選舊版本的下載地址）：Anaconda Installers and Packages

（1）第一個(gè)最新版下載地址的下載步驟

下載步驟是：（當(dāng)然這個(gè)版本不太穩(wěn)定，但是沒(méi)辦法，我本人已經(jīng)安裝了最新版python......只好對(duì)應(yīng)安裝最新版anaconda）

（2）可選舊版本的下載步驟：

當(dāng)然有的人用的是舊版本的Python，可能舊版本的Python就需要舊的的anaconda支持，所以你們需要根據(jù)自己的python版本來(lái)找對(duì)應(yīng)的anaconda版本

查看python版本可以直接cmd，輸入python

下面是一些對(duì)應(yīng)關(guān)系的表：

Anaconda版本與Python版本對(duì)應(yīng)關(guān)系_conda22.9.0是什么版本-CSDN博客

然后下載步驟：

也可以直接點(diǎn)這個(gè)網(wǎng)址：Index of /

然后選擇你要的版本點(diǎn)擊下載

（3）安裝步驟：

......省略后面，一直next就行了

然后彈出這個(gè)，爽！當(dāng)然我這是最新版的安裝，就版本大差不差，基本就是你只要改一下默認(rèn)安裝路徑，然后其他的就直接點(diǎn)【next】【skip】【finish】一直往下就ok了，全都默認(rèn)就行

這里他還提醒我還有一個(gè)新版本可以更新，我現(xiàn)在只想用它，就懶得更新了，直接No，然后開(kāi)始使用吧

最后，檢查安裝，點(diǎn)擊桌面【開(kāi)始】看看有沒(méi)有Anaconda Prompt這個(gè)應(yīng)用，點(diǎn)擊只會(huì)正常彈出黑框，就大功告成

最后最后，進(jìn)去應(yīng)用里登陸一下就行，沒(méi)賬號(hào)的就先注冊(cè)，這個(gè)Anaconda就先告一段落

2、（可選，非必選）安裝英偉達(dá)NVIDIA

這個(gè)玩意吧就是加快機(jī)器深度學(xué)習(xí)效率的顯卡，打游戲的屌絲們肯定不陌生，那么不安裝也不影響深度學(xué)習(xí)，自己看著來(lái)吧，我是拯救者r8000，電腦自帶NVIDIA，所以我這就懶得再做安裝演示了

如何檢查自己有沒(méi)有NVIDIA驅(qū)動(dòng)？

打開(kāi)任務(wù)管理器——>性能——>GPU，能看到NVIDIA就ok

3、利用conda管理、切換Python、PyTorch版本

就跟我們前端的NVM一樣，conda來(lái)自于Anaconda工具包，它的作用就是控制管理我們多個(gè)Python、PyTorch版本之間的切換。如果你不這樣弄，你如果有一個(gè)項(xiàng)目需要用python 1.2，而你的是別的版本，那只能在本地環(huán)境中卸載原版本，再安裝python 1.2，很麻煩

原理就是你的電腦依舊有兩個(gè)版本的Python或者PyTorch，但是也對(duì)應(yīng)存在了兩個(gè)環(huán)境，默認(rèn)本地的原環(huán)境是【base】，當(dāng)你要切換到比如Python 1.0版本，那么我們直接切換一個(gè)環(huán)境到適用于這個(gè)版本的一個(gè)環(huán)境。

打比方：你娶了兩個(gè)妻子，但正房跟二房?jī)蓚€(gè)水火不容、爭(zhēng)風(fēng)吃醋，那你今晚想跟1號(hào)妻子睡你就到她住的那個(gè)房子里睡，明晚你想跟2號(hào)妻子睡你就換到她的房子里睡......

那么前面我也說(shuō)了，公司里的老大哥給我的項(xiàng)目就需要python 3.8，而我的是3.12，雖然都版本3，但是我還是盡量按照他的要求來(lái)，切換成python 3.8的

點(diǎn)擊打開(kāi)Anaconda Prompt

/

輸入：conda create -n 這個(gè)版本的環(huán)境別名 python=要切換的版本號(hào)

。

然后會(huì)問(wèn)你是否安裝以上依賴，默認(rèn)輸入【y】表示確認(rèn)

。

然后安裝完畢，會(huì)詢問(wèn)你：“是否想激活切換到這個(gè)版本”

是的話我們輸入：【conda? activate? 剛剛給這個(gè)版本起的環(huán)境別名】

然后就能發(fā)現(xiàn)環(huán)境以及切換了

4、安裝PyTorch

輸入：【pip list】可以看到我們這個(gè)Python環(huán)境下，Python安裝的所有依賴包

那么可以發(fā)現(xiàn)，我們并沒(méi)有PyTorch，那么終于來(lái)到這一步，安裝PyTorch

PyTorch安裝官網(wǎng)：PyTorch

依舊是兩種安裝：

（1）新版本安裝：

如果你沒(méi)有特別要求，那么你安裝新版本就行了

進(jìn)入官網(wǎng)，往下拉找到這個(gè)地方

，

如果下載安裝得很慢的話，可以去這個(gè)鏈接下載這兩個(gè)程序：

https://pan.baidu.com/s/1CvTIjuXT4tMonG0WltF-vQ?pwd=jnnp 提取碼:?jnnp

復(fù)制粘貼到anacondas的安裝路徑下的pkgs這個(gè)路徑

然后再重新執(zhí)行剛才的安裝命令就會(huì)變快了

，

?最后輸入：【pip list】檢查是否存在【torch】這個(gè)依賴包，有就成功了；沒(méi)有就重新安裝一遍

/

最后最后最后

輸入【python】切換到python環(huán)境，然后輸入【import torch】，如果沒(méi)有報(bào)錯(cuò)就無(wú)敵！成功！完美！

（2）舊版本安裝：

還是得選老版本，因?yàn)槲乙侠洗蟾绲沫h(huán)境要求

還是這個(gè)地方，找到上面一段文字里紅色的鏈接，選舊版本就點(diǎn)他

/

然后找到你要的版本，按照?qǐng)D片這樣選擇要執(zhí)行的命令，復(fù)制到Anaconda Prompt執(zhí)行

最后輸入：【pip list】檢查是否存在【torch】這個(gè)依賴包，有就成功了；沒(méi)有就重新安裝一遍

?/

最后最后最后

輸入【python】切換到python環(huán)境，然后輸入【import torch】，如果沒(méi)有報(bào)錯(cuò)就無(wú)敵！成功！完美！

另外，輸入【torch.cuda.is_available()】顯示True的話，就說(shuō)明PyTorch可以使用我們電腦的GPU

5、Python編輯器安裝

你得有這個(gè)你才能寫(xiě)代碼，那么我不打算將這一塊，因?yàn)槲沂窍葘W(xué)的python再學(xué)PyTorch，而且這玩意安裝簡(jiǎn)直是小腦癱、唐人都可以無(wú)腦安裝的，你甚至進(jìn)了官網(wǎng)點(diǎn)下載然后安裝一直亂點(diǎn)下去都能安裝好，那我就不講了，自己查。

三、創(chuàng)建適合PyTorch環(huán)境的Python項(xiàng)目

我這里用的是PyCharm這款編譯器，那么這個(gè)最新版的PyCharm來(lái)創(chuàng)建配置Condas環(huán)境的python項(xiàng)目各種各樣，方法很多，可以參考下面這兩個(gè)，也可以跟著我的文章來(lái)都行。

其他博主的最新版配置教學(xué)視頻：【2024最新版】保姆級(jí)Anaconda安裝+PyCharm安裝和基本使用，Python編程環(huán)境安裝_嗶哩嗶哩_bilibili

最新版配置教學(xué)文章：Pycharm配置conda環(huán)境(解決新版本無(wú)法識(shí)別可執(zhí)行文件問(wèn)題)_conda可執(zhí)行文件-CSDN博客

1、那么下面是我的個(gè)人安裝步驟：?

我之前用它寫(xiě)過(guò)一些代碼，用的是python 3.12版本（沒(méi)有PyTorch的），那么就要切換到我們配置了PyTorch的Python環(huán)境中，點(diǎn)擊左上角【文件】，點(diǎn)擊【新建項(xiàng)目】重新新建一個(gè)項(xiàng)目

。

如果是新用戶剛剛第一次打開(kāi)，也是一樣，點(diǎn)擊【新建項(xiàng)目】

。

給你的項(xiàng)目定一個(gè)路徑，切記，不可以有中文或奇怪符號(hào)

。

然后第一次用的用戶，【解析器類型】這選擇【基礎(chǔ)condas】，然后會(huì)有個(gè)黃色提示，點(diǎn)擊在這個(gè)提示右邊的【選擇路徑】

然后這里選擇我們剛剛【用Anacondas管理安裝的含有PyTorch的這個(gè)Python.exe程序】。

具體路徑在【你安裝Anacondas的路徑的?\?envs?\?你起的python環(huán)境別名的包?\?python.exe】

。

然后就進(jìn)入到項(xiàng)目界面，到這還沒(méi)完，你會(huì)發(fā)現(xiàn)你的項(xiàng)目是個(gè)空文件夾，連展開(kāi)的那個(gè)小箭頭都沒(méi)有，這里是因?yàn)槲覀冞€需要手動(dòng)導(dǎo)入【系統(tǒng)解釋器】，相當(dāng)于我們spring boot項(xiàng)目需要導(dǎo)入maven管理、JSP要引入web一樣，你有這玩意他才知道 “噢你是condas老大的罩的python”，不然就會(huì)把你這個(gè)python項(xiàng)目當(dāng)成 “沒(méi)人理的流浪漢”。

點(diǎn)擊右上角的【文件】，點(diǎn)擊【設(shè)置】

。

然后選中【項(xiàng)目:xxxx...】（版本控制下面）—>【Python解釋器】

然后點(diǎn)擊【添加解釋器】

/

這里有兩種路徑來(lái)配置這個(gè)condas的環(huán)境：

（1）第一種：選擇【Conda環(huán)境】，然后導(dǎo)入Anacondas安裝路徑下的【Scripts】的【condas.exe】

（我沒(méi)試過(guò)，我用的是第二種）

給

（2）第二種：選擇【系統(tǒng)解釋器】，不是上一個(gè)“Condas環(huán)境”！！

然后手動(dòng)還是把剛剛新建項(xiàng)目時(shí)我們導(dǎo)入的Anacondas安裝路徑下的envs的“環(huán)境別名”的python.exe

/

然后返回【設(shè)置】，點(diǎn)【應(yīng)用】【確定】，OK，等待配置掃描安裝......

2、終端驗(yàn)證項(xiàng)目是否成功的報(bào)錯(cuò)解決方案

然后我們就可以打開(kāi)右下角的終端，檢查這個(gè)condas環(huán)境的python項(xiàng)目搭建好了沒(méi)

但當(dāng)時(shí)我一打開(kāi)給我報(bào)了這么個(gè)錯(cuò)，如果有遇到相同情況的朋友，跟著我做，包不會(huì)錯(cuò)，很簡(jiǎn)單

看了別的博主文章才知道：是因?yàn)槲覀冎把bjava的環(huán)境的時(shí)候，java的環(huán)境變量在path的配置那里有誤，【%JAVA_HOME%\bin】和【%JAVA_HOME%\jre\bin】不能兩個(gè)兩個(gè)連起來(lái)寫(xiě)，要分開(kāi)

conda 啟動(dòng)報(bào)錯(cuò) Invoke-Expression_windows10 conda invoke-expression : 所在位置 行:1 字符: 1-CSDN博客

切記！！切記！！！修改完系統(tǒng)變量后，PyCharm這邊是不會(huì)自動(dòng)更新的，要整個(gè)軟件關(guān)掉、再打開(kāi)，否則你再試個(gè)一百遍都是報(bào)錯(cuò)

關(guān)掉之后再打開(kāi)，終端顯示正常了：

3、最終驗(yàn)證是否成功

最后我們到（終端上兩個(gè)，也就是第一個(gè)按鈕）【Python 控制臺(tái)】

再輸入一次：【import torch】【torch.cuda.is_available()】，都沒(méi)報(bào)錯(cuò)的話就大功告成！完美！！！！

輸入一些python語(yǔ)法也正常運(yùn)行

四、什么是數(shù)據(jù)集，以及初始Dataset

1、數(shù)據(jù)集

看了別的文章是這么說(shuō)

這是一篇較詳細(xì)的文章：什么是數(shù)據(jù)集？-CSDN博客

那么鄙人的粗淺見(jiàn)識(shí)認(rèn)為：就是一堆給機(jī)器學(xué)習(xí)用的數(shù)據(jù)的集合，把人比做機(jī)器，那么數(shù)據(jù)集就是我們從出生到老死一直在聽(tīng)的、看的、吃的的一切的一切，我們看到藍(lán)天知道天空是藍(lán)色，我們聞到屎知道屎是香的，我們吃過(guò)老八秘制小漢堡才知道這玩意賊好吃......這一切的一切，都叫數(shù)據(jù)集，是這一切讓我們有了我們?nèi)祟惖囊惶姿伎歼壿?、判斷邏輯、理解邏?..當(dāng)然這些還可以細(xì)分成各個(gè)領(lǐng)域，比如情感認(rèn)知、學(xué)術(shù)知識(shí)、游戲體驗(yàn)......

那么這里提供一個(gè)數(shù)據(jù)集文件，以供我們后面學(xué)習(xí)用，大家可以自行下載

鏈接: https://pan.baidu.com/s/1JHnA4d0EU77r2ljeZlkCow?pwd=hrd4 提取碼: hrd4

那么看這個(gè)文件下，就能大概知道這是干啥的

就是一些根據(jù)圖片、文本label來(lái)“喂”給機(jī)器學(xué)習(xí)的數(shù)據(jù)集，一些資料

2、Dataset簡(jiǎn)單解釋

那么Dataset又是什么？

我們把上面那個(gè)文件夾的文件當(dāng)成你剛從畢業(yè)學(xué)長(zhǎng)學(xué)姐那撿回來(lái)的一堆書(shū)、或者你從夸克上下載的一萬(wàn)部小電影，nei叫一個(gè)爽，但是，你也不是什么都學(xué)、什么都看吧？那堆書(shū)里有《厚黑學(xué)》、《圣經(jīng)》、《c語(yǔ)言》、《計(jì)算機(jī)組成原理》.......夸克磁盤(pán)里有“獵奇”、“戶外”、“直播錄屏”、“獸..”、“歐美”...你不能一鍋亂燉亂看吧？總得分個(gè)類吧？

那么Dataset就是這么個(gè)工具，幫機(jī)器把這對(duì)雜亂無(wú)章的數(shù)據(jù)分類整理，獲取每個(gè)數(shù)據(jù)的label，并告訴機(jī)器一共有多少數(shù)據(jù)。

另外，我剛剛例子里說(shuō)的那些：《厚黑學(xué)》、《圣經(jīng)》、《c語(yǔ)言》、《計(jì)算機(jī)組成原理》.......“獵奇”、“戶外”、“直播錄屏”、“獸..”、“歐美”......這些就是數(shù)據(jù)集對(duì)應(yīng)的【label】

五、初用Dataset

1、準(zhǔn)備好數(shù)據(jù)集

把剛剛數(shù)據(jù)集里的【hymenopter_data.zip】解壓

然后復(fù)制這個(gè)文件夾，直接粘貼到你的PyTorch的python項(xiàng)目里去，最好再新建一個(gè)目錄叫“dataset”，專門用來(lái)放你的數(shù)據(jù)集的

2、學(xué)會(huì)python的獲取圖片資源

接下來(lái)我們簡(jiǎn)單了解一下python怎么獲取圖片，使用圖片

（1）首先要用到Image這個(gè)工具包，導(dǎo)入Image包

# 首先導(dǎo)入Image包
from PIL import Image

（2）然后用一個(gè)變量獲取某個(gè)圖片的路徑，絕對(duì)路徑、相對(duì)路徑都行，看你喜歡

# 然后用一個(gè)變量代替圖片路徑
imgPath = "你的圖片路徑"

這里可以直接右鍵復(fù)制文件的路徑

別忘了粘貼時(shí)這個(gè)【/】符號(hào)可能會(huì)自動(dòng)變錯(cuò)，我們自己手動(dòng)調(diào)回來(lái)

（3）然后調(diào)用Image這個(gè)工具的open函數(shù)，里面?zhèn)魅雸D片路徑的作為參數(shù)，就可以用這個(gè)圖片了

# 然后調(diào)用Image的open函數(shù)把圖片解析，比用一個(gè)變量接收
img = Image.open(imgPath)

（4）我們可以利用這個(gè)圖片變量，調(diào)用它的屬性、函數(shù)

比如打印大小

顯示圖片

（5）另外：如果我們不知道它有哪些屬性、函數(shù)可以調(diào)用，那么我們可以在【Python控制臺(tái)】將剛才的python代碼再寫(xiě)一遍，右邊可以顯示對(duì)應(yīng)的屬性、函數(shù)，方便我們查看

（我有寫(xiě)import PIL import Image，只是控制臺(tái)隱藏了）

完整代碼：

# 首先導(dǎo)入Image包
from PIL import Image# 然后用一個(gè)變量代替圖片路徑
imgPath = "F:/MyPythonProject/PyTrochProject1/dataset/train/ants/0013035.jpg"# 然后調(diào)用Image的open函數(shù)把圖片解析，比用一個(gè)變量接收
img = Image.open(imgPath)print(img.size)
img.show()

3、利用os庫(kù)工具獲取所有圖片

當(dāng)然剛剛的Image只能對(duì)一個(gè)圖片進(jìn)行專門的處理，而要想獲取所有圖片資源，就得用到os這個(gè)工具包

1、導(dǎo)入os包

# 導(dǎo)入os包，獲取存放所有圖片的這個(gè)包
import os

2、用一個(gè)變量接收【存放所有圖片的這個(gè)包】的【路徑】（絕對(duì)相對(duì)都行，這里我用相對(duì)）

# 用一個(gè)變量接收存放所有圖片的這個(gè)包的路徑
imgListPath = "你放所有圖片的包的路徑"

3、然后調(diào)用os的listdir函數(shù)解析獲取這個(gè)包，并把存放所有圖片的包的路徑作為參數(shù)傳入

# 然后調(diào)用os的listdir函數(shù)解析獲取這個(gè)包
imgList = os.listdir(imgListPath)

4、如果我們把代碼寫(xiě)到【python控制臺(tái)】，就能看到獲取到所有圖片，變成一個(gè)列表數(shù)據(jù)?

完整代碼：

# 導(dǎo)入os包，獲取存放所有圖片的這個(gè)包
import os# 用一個(gè)變量接收存放所有圖片的這個(gè)包的路徑
imgListPath = "dataset/train/ants"# 然后調(diào)用os的listdir函數(shù)解析獲取這個(gè)包
imgList = os.listdir(imgListPath)print(imgList)
print(type(imgList))

4、利用Dataset，把所有圖片整合成一個(gè)數(shù)據(jù)集并分類

（1）在這之前補(bǔ)充一下幾個(gè)知識(shí)點(diǎn)

python的類里面可以不用定義成員變量，在函數(shù)里想用到的時(shí)候【self.成員變量】，就自動(dòng)加上了

class myClass:def createName(self):# 并沒(méi)有定義name這個(gè)變量，但是我直接在函數(shù)里加一個(gè)self.name = "KOBE"classA = myClass()
print(classA.name) #照樣打印出來(lái)

?然后【__init__】是構(gòu)造函數(shù)

# 構(gòu)造方法
def __init__(self, name=None, age=None, sex=None, phone=None):self.name = nameself.age = ageself.sex = sexself.phone = phoneif name is not None and age is not None and sex is not None and phone is not None:print("構(gòu)建一個(gè)完整對(duì)象完畢\n")else:print("構(gòu)建一個(gè)空對(duì)象完畢\n")

【__setitem__函數(shù)】、【__getitem__函數(shù)】

【__setitem__函數(shù)】允許外界根據(jù)【索引】設(shè)置構(gòu)造函數(shù)里【數(shù)據(jù)容器】類型成員變量的值

【__getitem__函數(shù)】提供索引，允許外界根據(jù)【索引】或【切片】形式獲取【數(shù)據(jù)容器】類型成員變量的某個(gè)位置值

class myClass:# 構(gòu)造函數(shù)并沒(méi)有傳參，也即是一個(gè)空參函數(shù)# 而items也并不是在函數(shù)外定義的一個(gè)類的成員變量，而且是【數(shù)據(jù)容器】類型（列表、元組、字典...）# 那就沒(méi)有辦法根據(jù)索引給這個(gè)items某個(gè)位值設(shè)置值def __init__(self):self.items = []my_class = myClass()
my_class.items = [1, 2, 3, 4, 5] 
my_class.items[1] = 23  # 報(bào)錯(cuò)，不允許根據(jù)索引設(shè)置構(gòu)造函數(shù)里設(shè)置的成員變量list#####################################################
class myClass:def __init__(self):self.items = []def __getitem__(self, index):return self.items[index]# 利用__setitem__方法，提供給外界允許根據(jù)【索引】設(shè)置構(gòu)造函數(shù)里定義的【數(shù)據(jù)容器】值的權(quán)限def __setitem__(self, index, value):self.items[index] = valuemy_class = myClass()
my_class.items = [1, 2, 3, 4, 5]# 使用索引方式設(shè)置元素
my_class.items[1] = 10 # 成功
print(my_list.items)  # 輸出: [1, 10, 3, 4, 5]

【__len__】是魔法函數(shù)里的求長(zhǎng)度函數(shù)

# __len__魔術(shù)方法：返回長(zhǎng)度
def __len__(self):return len(self.name)

（2）正式寫(xiě)Dataset代碼

首先，導(dǎo)入Dataset的包

from torch.utils.data import Dataset

然后別忘了導(dǎo)入Image和os包，獲取圖片

# 導(dǎo)入Image包
from PIL import Image
# 導(dǎo)入os包，獲取存放所有圖片的這個(gè)包
import os

然后，現(xiàn)在我們就可以創(chuàng)建一個(gè)專門管理數(shù)據(jù)集的類了，只需要在創(chuàng)建普通類的基礎(chǔ)上，加一個(gè)括號(hào)，里面?zhèn)魅隓ataset這個(gè)參數(shù)，這就是一個(gè)Dataset的類了

接下來(lái)我們細(xì)細(xì)分析一下我們所需要的東西

【獲取所有文件的路徑】

。

【其中這兩個(gè)文件夾名字就是我們要的label】

一個(gè)表示“螞蟻”，一個(gè)表示“蜜蜂”

‘

【我們確切要拿到的每一個(gè)數(shù)據(jù)】

那么我們就可以理清一下思路：

1、首先我們要獲取到存放所有文件的目錄的路徑

2、這個(gè)路徑還不能直接直接固定死，要分開(kāi)，因?yàn)槲覀円獑为?dú)取出裝有兩類不同文件的文件夾的名字，作為數(shù)據(jù)集的【label】

3、我們要把“螞蟻”、“蜜蜂”這兩個(gè)數(shù)據(jù)分類里的所有文件，分別存到兩個(gè)數(shù)據(jù)列表；然后在外界我們可以根據(jù)索引，單獨(dú)取出列表中的其中一個(gè)圖片資源

4、最后，我們要把兩個(gè)數(shù)據(jù)分類整合成一個(gè)數(shù)據(jù)集，交由Dataset來(lái)管理即可

那么第一步就是創(chuàng)建一個(gè)Dataset類，然后在類里面處理好獲取所有數(shù)據(jù)的邏輯，然后一個(gè)代表【螞蟻】，一個(gè)代表【蜜蜂】，在外界根據(jù)傳入不同的路徑參數(shù)來(lái)獲取不同的數(shù)據(jù)，最后整合到一起。

ok，來(lái)寫(xiě)代碼！

完整代碼：

#導(dǎo)入Dataset
from torch.utils.data import Dataset
# 導(dǎo)入Image包
from PIL import Image
# 導(dǎo)入os包，獲取存放所有圖片的這個(gè)包
import osclass myData(Dataset):def __init__(self, rootPath, labelPath):# 用變量接收外界傳入的路徑參數(shù)，其中l(wèi)abelPath是對(duì)應(yīng)【螞蟻】或【蜜蜂】self.rootPath = rootPathself.labelPath = labelPath# 利用os的.path.join()函數(shù)，把路徑拼接起來(lái)（比如xxx和aaa，會(huì)自動(dòng)在中間加一個(gè)"/"，變“xxx/aaa”）self.path = os.path.join(self.rootPath, self.labelPath)# 最后利用os的listdir解析這個(gè)包路徑下所有文件，并用一個(gè)數(shù)據(jù)列表接收self.imgListPath = os.listdir(self.path)print(self.imgListPath) #輸出對(duì)應(yīng)label路徑下的所有圖片的list# 根據(jù)索引獲取到單獨(dú)某個(gè)圖片資源、圖片名、圖片labeldef __getitem__(self, index):# 獲取當(dāng)前index位置的圖片名、以及解析圖片資源# 這里注意：完整的圖片路徑是【存放所有圖片的包路徑（rootPath + labelPath）】+【單個(gè)圖片的路徑】imgName = self.imgListPath[index]# imgPath = self.imgListPath[index]imgPath = os.path.join(self.rootPath, self.labelPath, imgName)img = Image.open(imgPath)# 取出它屬于哪個(gè)labellabel = self.labelPathreturn img, label# 利用__len__函數(shù)，返回當(dāng)前這個(gè)label分類的圖片列表一共有多少條數(shù)據(jù)def __len__(self):return len(self.imgListPath)rootPath = "dataset/train"
labelPath1 = "ants"
labelPath2 = "bees"
# 傳入不同的label的路徑，獲取創(chuàng)建兩個(gè)數(shù)據(jù)集（【螞蟻】和【蜜蜂】）
ants_dataset = myData(rootPath, labelPath1)
bees_dataset = myData(rootPath, labelPath2)
# 用多返回值就用多變量接收
ant_img, ant_label = ants_dataset[1]
bee_img, bee_label = bees_dataset[1]
# 調(diào)用測(cè)試一下能不能顯示一張螞蟻和一張蜜蜂的照片
ant_img.show()
bee_img.show()# 最后，Dataset的整合數(shù)據(jù)集的大絕招：兩個(gè)數(shù)據(jù)集（Dataset類）相加
train_dataset = ants_dataset + bees_dataset
# 驗(yàn)證一下，分別輸出兩個(gè)數(shù)據(jù)集有幾條數(shù)據(jù)，再看一下整個(gè)數(shù)據(jù)集有幾個(gè)數(shù)據(jù)
print(len(ants_dataset)) # 124
print(len(bees_dataset)) # 121
print(len(train_dataset)) # 245 = 124 + 121

這里我感覺(jué)我的注釋足夠清晰，我覺(jué)得我再多余寫(xiě)過(guò)多的文字反而不如看代碼來(lái)得清晰，所以我在過(guò)多闡述......

那么到這，我們就算完成了初步的一個(gè)用Dataset整合機(jī)器學(xué)習(xí)所需要的數(shù)據(jù)集了

那么其實(shí)通常情況下，我們還會(huì)專門區(qū)分圖片是圖片，label是label，專門有一個(gè)label文件夾，里面存放所有對(duì)應(yīng)每一張圖片名的txt文件，而里面的內(nèi)容就是它這個(gè)數(shù)據(jù)所歸屬的label名

這種形式的數(shù)據(jù)集又需要重新編寫(xiě)代碼，請(qǐng)各位自己寫(xiě)，我累了...

下一篇講TensorBoard