### 使用 PyTorch 加载视频分类数据集 为了处理视频分类任务，在 PyTorch 中可以利用 `torchvision` 和其他辅助库来构建有效的数据加载器。下面是一个简单的例子，展示如何创建一个用于加载和预处理视频文件的数据集类。 ```python from torchvision import transforms from torch.utils.data import Dataset, DataLoader import os import cv2 import numpy as np class VideoDataset(Dataset): """Custom dataset class for handling videos.""" def __init__(self, root_dir, transform=None): """ Args: root_dir (string): Directory with all the video files. transform (callable, optional): Optional transform to be applied on a sample. """ self.root_dir = root_dir self.transform = transform self.video_files = [os.path.join(root_dir, f) for f in os.listdir(root_dir)] def __len__(self): return len(self.video_files) def __getitem__(self, idx): if torch.is_tensor(idx): idx = idx.tolist() video_path = self.video_files[idx] cap = cv2.VideoCapture(video_path) frames = [] while(cap.isOpened()): ret, frame = cap.read() if not ret: break frames.append(frame) cap.release() # Convert list of images into an array and apply transformations video_data = np.stack(frames, axis=0) if self.transform: video_data = self.transform(video_data) label = ... # Define how labels are assigned based on file structure or metadata return {'video': video_data, 'label': label} ``` 上述代码定义了一个名为 `VideoDataset` 的自定义数据集类[^1]。此实现假设每个视频存储在一个单独的文件夹内，并通过遍历目录中的所有文件名初始化该类实例。对于每一个索引位置上的项目请求(`__getitem__`)，程序会打开对应的视频流并逐帧读取直到结束；之后这些图像会被堆叠成三维数组形式表示整个序列化后的影片内容。最后一步是对获取到的数据应用任何必要的转换操作以及附加标签信息返回给调用者。 接着可以通过如下方式设置变换函数： ```python data_transforms = transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) dataset = VideoDataset(root_dir='path/to/video/folder', transform=data_transforms) dataloader = DataLoader(dataset, batch_size=4, shuffle=True, num_workers=4) ``` 这段脚本设置了标准化参数并将像素值范围调整到了适合大多数深度学习模型输入的形式。同时配置好了批处理大小和其他选项以便更高效地迭代训练样本集合。