### 使用 PyTorch 加载视频分类数据集 对于视频分类任务，在 PyTorch 中可以利用 `torchvision` 库来加载和预处理视频数据。虽然官方教程主要集中在图像数据上[^2]，但针对视频的操作也有相应的支持库如 `torchaudio`, `torchtext` 和专门为视频设计的功能模块。 下面是一个简单的例子展示如何创建自定义的 Dataset 类用于读取本地磁盘中的视频文件并将其转换成适合输入到神经网络的形式： ```python from torch.utils.data import Dataset, DataLoader import os import cv2 import torch class VideoDataset(Dataset): """Video dataset.""" def __init__(self, root_dir, transform=None): """ Args: root_dir (string): Directory with all the videos. 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 # Convert BGR color format used by OpenCV into RGB which is more common rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) if self.transform: rgb_frame = self.transform(rgb_frame) frames.append(rgb_frame) cap.release() # Stack list of frames as tensor and normalize between [-1, 1] video_clip = torch.stack(frames).permute(0, 3, 1, 2)/255*2 - 1 label = ... # Define how labels are associated here based on your needs. return {'video': video_clip, 'label': label} ``` 此代码片段展示了如何构建一个基本的 `VideoDataset` 来处理存储于指定目录下的视频文件，并通过 OpenCV 进行帧提取以及必要的颜色空间变换。注意这里假设每段视频对应单一标签；实际应用中可能需要更复杂的逻辑来关联视频及其类别信息。 为了简化流程，还可以考虑使用第三方工具包比如 `pytorchvideo` 或者其他专门面向多媒体处理的任务框架，这些通常提供了更加便捷的方法来进行视频解码、增强和其他前处理操作。