使用DatasetFromFolder()函数加载文件夹中的数据集

使用torchvision.datasets.DatasetFolder()函数可以从文件夹中加载数据集。该函数会自动将每个类别的数据按照文件夹的结构进行归类。下面是一个加载数据集的示例：

首先，我们需要导入必要的库：

import torchvision.datasets as datasets
import torchvision.transforms as transforms

接下来我们可以使用DatasetFolder()函数来加载数据集。该函数的参数包括数据集所在的文件夹路径、数据预处理的方法（transforms）、目标类别的名称以及类别和类别的映射关系等。例如，我们从一个名为"dataset"的文件夹中加载数据集：

dataset = datasets.DatasetFolder(
    root="dataset",
    loader=torchvision.datasets.folder.default_loader,
    transform=transforms.ToTensor(),
    target_transform=None,
    is_valid_file=None,
)

在上面的例子中，root参数指定了数据集所在的文件夹路径。loader参数指定了用于加载图像的方法，默认情况下，它使用PIL加载图像。transform参数是一个函数或者一个transform对象，用于对数据进行预处理。在这个例子中，我们使用transforms.ToTensor()将图像转换为张量。target_transform参数指定了对目标类别的预处理方式，默认情况下不进行任何操作。is_valid_file参数允许你过滤加载的文件，可以自定义一个函数来指定哪些文件需要被加载，默认情况下会加载所有文件。

加载数据集后，我们可以通过索引来访问数据集中的样本。例如，我们可以通过以下方式获取 个样本的图像和目标类别：

image, target = dataset[0]

我们还可以使用数据集的classes属性来获取数据集中的类别名称列表：

classes = dataset.classes

最后，我们可以使用数据集的__len__()方法获取数据集中样本的数量：

num_samples = len(dataset)

这就是使用DatasetFolder()函数加载数据集的步骤和示例。通过这个函数，我们可以方便地从文件夹中加载数据集，并进行必要的预处理操作。