pytorch下大型数据集(大型图片)的导入方式

使用torch.utils.data.Dataset类 处理图片数据时，

1. 我们需要定义三个基本的函数，以下是基本流程

class our_datasets(Data.Dataset):

def __init__(self,root,is_resize=False,is_transfrom=False):
   #这里只是个参考。按自己需求写。
   self.root=root
   self.is_resize=is_resize
   self.is_transfrom=is_transfrom

self.imgs_list=...#这里建议保存的是 图片的路径 而不是 图片的数据
   self.labs_list=...

def __getitem__(self, index):

img_path,lab=self.imgs_list[index],self.labs_list[index]

#这里使用PIL库读取图片数据.
   img_data = Image.open(img_path).convert('RGB')

#这里看自己需要，可以不要
   if self.is_resize:
     img_data = img_data.resize((self.is_resize[0], self.is_resize[1]), Image.ANTIALIAS)

#但是数据转换建议加上，很多时候都会用到
   if self.is_transfrom:
     img_data=self.is_transfrom(img_data)
   return img_data,lab

def __len__(self):

return len(self.imgs_list)

这里，我将 读取图片 的步骤 放到 __getitem__ ，是因为 这样放的话，对内存的要求会降低很多，我们只是将数据的路径导入了内存中，当需要读取这个图片数据时，再读取，这样更像是随用随取。如果将这部分放到 __init__ 里面，会一次将 图片数据都加载到 内存中，如果数据量太大，会直接卡死。

2.Dataset 类 返回的数据 类型 是与你读取时的类型一致的。但是在 pytorch使用时，会提示

TypeError: batch must contain tensors, numbers, dicts or lists; found <class 'PIL.Image.Image'>

通常，在数据了不大时，我一般都是在 读取数据后 加一句，转换成 numpy.array类型。

但是，在处理较大型的数据时，这样会很慢。

这时候，我建议 直接使用 torchvision来进行数据转换。

is_transfrom=torchvision.transforms.ToTensor()

将 上例代码 加入 Dataset类中，这样就会快很多。

来源：https://blog.csdn.net/qq_36285997/article/details/82463959