1，一个简单例子回顾DataSet

from torch.utils.data import Dataset

class dataset(Dataset):
    def __init__(self):
        # 需要转化为array，不然运行结果会很奇怪
        self.data = np.array([[1,1,1,1],
                [2,2,2,2],
                [3,3,3,3],
                [4,4,4,4],
                [5,5,5,5],
                [6,6,6,6]])        
                
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, idx):
        # return data[idx]，这句少了self,报错...
        return self.data[idx]

dataset = dataset()
dataloader = torch.utils.data.DataLoader(dataset,
                                         batch_size=2,
                                         shuffle=False,
                                         num_workers=1)

for i, data_ in enumerate(dataloader):
    print(i)
    print(data_)

观察运行结果：

0
tensor([[1, 1, 1, 1],
        [2, 2, 2, 2]])
1
tensor([[3, 3, 3, 3],
        [4, 4, 4, 4]])
2
tensor([[5, 5, 5, 5],
        [6, 6, 6, 6]])

这个例子足够理解DataSet了

2，维度

参考这篇文章：
https://blog.csdn.net/xddwz/article/details/108405817

# -*- coding: utf-8 -*-
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
from torch.utils.data.dataloader import DataLoader
from torchvision.transforms import transforms
import os
 
import cv2
from PIL import Image
 
 
class MyDataset(Dataset):
    def __init__(self, transform=None):
        self.transform = transforms.Compose([
            transforms.ToTensor()      # 这里仅以最基本的为例
        ])
        self.image_path = './image_data2/'
        self.image_names = os.listdir(self.image_path)
 
    def __len__(self):
        return len(self.image_names)
 
    def __getitem__(self, item):
        image_name = self.image_names[item]
 
        image = cv2.imread(os.path.join(self.image_path, image_name))   # 读到的是BGR数据
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)                  # 转化为RGB，也可以用img = img[:, :, (2, 1, 0)]
        # 这时的image是H,W,C的顺序，因此下面需要转化为C, H, W
        image = torch.from_numpy(image).permute(2, 0, 1)             
 
        # image = Image.open(os.path.join(self.image_path, image_name))
        # # print(image.shape)
        # image = self.transform(image)
        return image

这段代码是上述链接中的，搬运过来的原因是强调一个事情：我们知道torch的维度顺序是BCHW，而上述代码中的__getitem__()，是返回一张图片，那么这个时候我们需要注意的是，单张图片本来的维度顺序是HWC，即维度是(height, width, channel)，我们需要将它的维度调整为(channel, height, width)，然后再返回。

同时，根据上述代码，也需要注意，返回的image的shape不是(1, channel, height, width)，而是(channel, height, width)，batch对应的那一维在__getitem__()中不需要考虑。

对于一些channel为1的图片，如果需要增加channel维度，那么只需要squeeze(0)就行了。