使用DatasetFromFolder()函数生成PyTorch中的文件夹数据集

在PyTorch中，可以使用torchvision.datasets.DatasetFolder类来创建文件夹数据集。该类是torch.utils.data.Dataset的子类，可以方便地从文件夹中加载数据。

torchvision.datasets.DatasetFolder类使用torchvision.datasets.DatasetFolder(root, loader, extensions=None, transform=None, target_transform=None, is_valid_file=None)进行实例化。下面是每个参数的详细说明：

- root：文件夹的根目录，其中包含带有目标类标签的子文件夹。

- loader：自定义函数，用于加载文件的数据。

- extensions：可选参数，用于筛选要加载的文件扩展名列表。

- transform：可选参数，用于对加载的数据执行转换操作。

- target_transform：可选参数，用于对目标类标签进行转换操作。

- is_valid_file：可选参数，用于过滤加载的文件。

下面是一个使用DatasetFolder类创建文件夹数据集的例子：

import torch
from torchvision.datasets import DatasetFolder
from torchvision.transforms import ToTensor

# 定义转换操作
transform = ToTensor()

# 创建文件夹数据集
dataset = DatasetFolder(
    root='path/to/folder',
    loader=torch.load,
    extensions='.pt',
    transform=transform
)

# 获取数据集的长度
print("数据集大小：", len(dataset))

# 获取      个样本
image, label = dataset[0]
print("      个样本的尺寸：", image.size())
print("      个样本的标签：", label)

在上述示例中，使用DatasetFolder类创建了一个文件夹数据集，将文件夹路径指定为root参数，并使用torch.load函数作为数据加载器。还使用.pt作为文件扩展名，并使用ToTensor()函数作为数据转换器。

然后，可以使用len(dataset)来获取数据集的长度，并使用dataset[index]获取指定索引的样本。在示例中，获取了 个样本的图像和标签。