在分类任务中，数据集文件存储往往是如下形式：

- train- class1- image1.jpg- image2.jpg...- class2- image1.jpg- image2.jpg......

此时，我们想要获取图片和标签，标签即为文件名（class1、class2…）
可以使用torchvision.datasets.ImageFolder()来进行获取，示例代码如下：

dataset = datasets.ImageFolder(root=DATA_PATH/'train')

torchvision.datasets.ImageFolder() 参数列表：

• root：图像文件读取路径
• transform：对图像数据采取的数据增强策略
• target_transform：对label进行转换
• loader：指定加载图像的函数
• is_valid_file：获取图像路径，检查文件的有效性

返回值

dataset 返回有如下三个属性：

• self.classes：用一个 list 保存类别名称
• self.class_to_idx：类别对应的索引，与不做任何转换返回的 target 对应
• self.imgs：保存(img-path, class) tuple的 list

我们得到的dataset,它的结构就是[(img_data,class_id),(img_data,class_id),…]下面我们打印dataset第一个元素中的图片：

返回对应的label：

其中，对于dataset[0]来说，其中也存储了两个元素，第一个是图片，第二个是类别索引号。

sample = dataset[0]
img = sample[0]   #图片
label = sample[1]  #类别索引

注意：

1. dataset中存储的label是按文件夹顺序生成对应索引的，且以下标为0开始。如果要读取类别的字符，可以通过self.classes[0]来获取。
2. train文件夹下的文件格式是固定的，不能有多余的文件，否则会读取出错。