Pytorch數據集讀入——Dataset類,實現數據集打亂Shuffle

在進行相關平台的練習過程中，由於要自己導入數據集，而導入方法在市面上五花八門，各種庫都可以應用，在這個過程中我准備嘗試torchvision的庫dataset
torchvision.datasets.ImageFolder
簡單應用起來非常簡單，用torchvision.datasets.ImageFolder實現圖片的導入，在隨后訓練過程中用Datalodar處理后可按批次取出訓練集

class ImageFolder(root, transform=None, target_transform=None, loader=default_loader, is_valid_file=None)
ImageFolder有這么幾個參數，其中root指的是數據所在的文件夾，其中該文件夾的存儲方式應為
root/labels/xxx.jpg
即根據自身分類標簽存儲在對應標簽名的文件夾內
ImageFolder在讀入的過程中會自行加好標簽，最后形成一對對的數據
另外比較常用的就是transform，表示對於傳入圖片的預處理，如剪裁，顏色選擇等等
比如

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

具體參數可以上網查看
在之后用DataLodar處理后雖然的確有Shuffle的參數，但是卻只是在一個小批次內進行打亂，原本是按照類別存儲的，這樣的話會導致很嚴重的過擬合，為了避免這個，我決定常識改寫一下Dataset的類(主要是看起來Dataset看起來改寫比較順手...ImageFolder還沒有看源碼並沒要對此下手)
但是Dataset需要讀入一個個的訓練數據的位置，怎么辦呢？我就先寫了一個小腳本，生成一個txt文件來存儲所有數據的名稱(相對路徑)，同時在這一步就進行打亂操作【一眼看下去甚至會發現init的classnum參數完全沒用上(捂臉

import os
import numpy as np
'''
self.target     順序存儲數據集
self.DataFile   存儲根目錄
self.s          存儲所有數據
self.label      存儲所有標簽及其對應的值
'''
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):
        #查看數據數量以及標簽對應
        print(self.datanum)
        print(self.label)
    
    def get_all(self):
        #查看所有數據
        print(self.s)

    def get_root(self):
        #獲得根目錄
        return self.DataFile

    def shuffle(self):
        #獲得打亂的存儲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):
        #獲得該標簽對應的值
        return self.label[label]

數據集的存儲方式上的要求跟之前的ImageFolder一樣
最終會生成一個這樣的txt文件

數據集來源於某x光胸片判斷...
而Shuffle操作就是為了生成打亂后的txt文件，我寫的比較簡單粗暴...先將就看吧，生成后大概就是這個樣子

至少真正的做到打亂數據了
完成這個以后，就可以用此來幫助DataLodar了
接下來的代碼或許比較辣眼睛...但是事實證明是有用的，但是可能Python技巧不太熟練所以就會顯得很生澀...
我重現的Dataset類:

from PIL import Image
import torch

class cDataset(torch.utils.data.Dataset):
    def __init__(self, datatxt, root="", transform=None, target_transform=None, LabelDic=None):
        super(cDataset,self).__init__()
        files = open(root + "/" + datatxt, 'r')
        self.img=[]
        for i in files:
            i = i.rstrip()
            temp = i.split()
            if LabelDic!=None:
                self.img.append((temp[0],LabelDic[temp[1]]))
            else:
                self.img.append((temp[0],temp[0]))
            
        self.transform = transform
        self.target_transform = target_transform
    
    def __getitem__(self, index):
        files, label = self.img[index]
        img = Image.open(files).convert('RGB')
        if self.transform is not None:
            img = self.transform(img)
        return img,label
    
    def __len__(self):
        return len(self.img)

其實直接看就能大概看明白，主要也就是要實現類里面的幾個方法

class cDataset(torch.utils.data.Dataset):
    def __init__():
    def __getitem__(self, index):
    def __len__(self):

其中getitm類似一次次的取出數據，len就是返回數據集數目
其中init的參數我做了稍許調整，由於我之前的txt內標簽是字符串，而為了能讓對應生成的tag是所要求的，可以傳入一個字典，如:
LabelDic={"NORMAL":0,"PNEUMONIA":1}
這樣就可以在之后轉化為數字的標簽，onehot或者怎么怎么樣了,,,