在进行相关平台的练习过程中，由于要自己导入数据集，而导入方法在市面上五花八门，各种库都可以应用，在这个过程中我准备尝试torchvision的库dataset

torchvision.datasets.ImageFolder
简单应用起来非常简单，用torchvision.datasets.ImageFolder实现图片的导入，在随后训练过程中用Datalodar处理后可按批次取出训练集

class ImageFolder(root, transform=None, target_transform=None, loader=default_loader, is_valid_file=None)
ImageFolder有这么几个参数，其中root指的是数据所在的文件夹，其中该文件夹的存储方式应为
root/labels/xxx.jpg
即根据自身分类标签存储在对应标签名的文件夹内
ImageFolder在读入的过程中会自行加好标签，最后形成一对对的数据
另外比较常用的就是transform，表示对于传入图片的预处理，如剪裁，颜色选择等等
比如

transform_t = transforms.Compose([     transforms.Resize([64, 64]),      transforms.Grayscale(num_output_channels=1),     transforms.ToTensor()]     )

具体参数可以上网查看
在之后用DataLodar处理后虽然的确有Shuffle的参数，但是却只是在一个小批次内进行打乱，原本是按照类别存储的，这样的话会导致很严重的过拟合，为了避免这个，我决定常识改写一下Dataset的类(主要是看起来Dataset看起来改写比较顺手...ImageFolder还没有看源码并没要对此下手)
但是Dataset需要读入一个个的训练数据的位置，怎么办呢？我就先写了一个小脚本，生成一个txt文件来存储所有数据的名称(相对路径)，同时在这一步就进行打乱操作【一眼看下去甚至会发现init的classnum参数完全没用上(捂脸

import os import numpy as np ''' self.target     顺序存储数据集 self.DataFile   存储根目录 self.s          存储所有数据 self.label      存储所有标签及其对应的值 ''' class create_list():     def __init__(self,root,classnum=2):         self.target=open("./Data.txt",'w')         self.DataFile=root         self.s=[]         self.label={}         self.datanum=0          def create(self):         files=os.listdir(self.DataFile)         for labels in files:             tempdata=os.listdir(self.DataFile+"/"+labels)             self.label[labels]=len(self.label)             for img in tempdata:                 self.datanum+=1                 self.target.write(self.DataFile+"/"+labels+"/"+img+" "+labels+"\n")                 self.s.append([self.DataFile+"/"+labels+"/"+img,labels])          def detail(self):         #查看数据数量以及标签对应         print(self.datanum)         print(self.label)          def get_all(self):         #查看所有数据         print(self.s)      def get_root(self):         #获得根目录         return self.DataFile      def shuffle(self):         #获得打乱的存储txt         shuffle_file=open("./Shuffle_Data.txt",'w')         temp=self.s         np.random.shuffle(temp)         for i in temp:             shuffle_file.write(i[0]+" "+str(i[1])+"\n")         return self.DataFile+"/Shuffle_Data.txt"      def label_id(self,label):         #获得该标签对应的值         return self.label[label]

数据集的存储方式上的要求跟之前的ImageFolder一样
最终会生成一个这样的txt文件