### 寻找用于猫狗识别的PyTorch数据集 对于猫狗分类的数据集，常用的是Kaggle上的“Dogs vs Cats”数据集。此数据集中包含了两万五千张标记好的猫和狗的照片，非常适合用来训练二分类模型[^1]。 为了方便处理这类特定结构的数据集，通常会创建自定义`Dataset`类来加载这些图像文件并应用必要的预处理操作。下面是一个简单的例子展示如何构建这样的`Dataset`： ```python from torchvision import transforms from torch.utils.data import Dataset, DataLoader import os from PIL import Image class CatDogDataset(Dataset): def __init__(self, root_dir, transform=None): self.root_dir = root_dir self.transform = transform self.image_files = [] # 遍历root_dir下的所有文件夹（即类别），并将其中的图片路径保存到列表中 for label in ['cats', 'dogs']: folder_path = os.path.join(root_dir, label) files = [os.path.join(folder_path, f) for f in os.listdir(folder_path)] self.image_files.extend(files) def __len__(self): return len(self.image_files) def __getitem__(self, idx): img_name = self.image_files[idx] image = Image.open(img_name).convert('RGB') if self.transform: image = self.transform(image) # 获取标签名作为label label = 0 if 'cat' in img_name else 1 sample = {'image': image, 'label': label} return sample # 定义转换规则 transformations = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), ]) dataset = CatDogDataset(root_dir='./data/dogs-vs-cats/train/', transform=transformations) dataloader = DataLoader(dataset, batch_size=32, shuffle=True) ``` 上述代码展示了如何基于给定的根目录读取所有的猫和狗图片，并将其封装成适合PyTorch使用的`Dataset`对象。同时设置了基本的图像变换逻辑，比如调整大小至统一尺寸以及转为tensor格式以便后续计算[^3]。 此外，如果希望更简便地获取已经准备好的猫狗分类数据集，则可以直接利用第三方库或者平台提供的资源链接下载官方整理过的版本，例如通过`torchvision.datasets.ImageFolder`接口配合合适的参数设置也可以快速实现相同功能[^2]。