### 如何在 PyTorch 中为数据集添加标签 为了给 PyTorch 数据集添加标签，可以创建一个自定义的数据集类，该类继承 `torch.utils.data.Dataset` 并实现必要的接口。具体来说，需要重写 `__init__`, `__getitem__` 和 `__len__` 方法。 #### 创建带有标签的自定义数据集 下面是一个完整的例子，展示如何构建一个带标签的数据集： ```python import os from PIL import Image import torch from torchvision import transforms from torch.utils.data import Dataset class CustomImageDataset(Dataset): def __init__(self, annotations_file, img_dir, transform=None, target_transform=None): self.img_labels = [] with open(annotations_file, 'r') as f: lines = f.readlines() for line in lines: parts = line.strip().split(',') image_name, label = parts[0], int(parts[1]) self.img_labels.append((image_name, label)) self.img_dir = img_dir self.transform = transform self.target_transform = target_transform def __len__(self): return len(self.img_labels) def __getitem__(self, idx): img_path = os.path.join(self.img_dir, self.img_labels[idx][0]) image = Image.open(img_path).convert('RGB') label = self.img_labels[idx][1] if self.transform: image = self.transform(image) if self.target_transform: label = self.target_transform(label) return image, label ``` 此代码片段展示了如何读取图像文件名及其对应的类别标签，并将其作为元组存储起来[^3]。当调用 `__getitem__()` 获取特定索引处的数据项时，会返回相应的图片张量以及整数类型的标签值。 对于上述提到的例子中的 FashionMNIST 数据集而言，可以通过映射字典将数值型标签转换成描述性的字符串名称[^2]: ```python labels_map = { 0: "T-Shirt", 1: "Trouser", 2: "Pullover", 3: "Dress", 4: "Coat", 5: "Sandal", 6: "Shirt", 7: "Sneaker", 8: "Bag", 9: "Ankle Boot" } ``` 通过这种方式可以在显示或保存预测结果的时候提供更直观的信息。