在PyTorch中加载图片数据集一般有两种方法：
使用torchvision.datasets中的ImageFolder 方法描述
ImageFolder函数读取指定路径下的图片数据集，并将其组织为类别文件夹结构。
使用torchvision.transforms对图像进行预处理，如调整尺寸和归一化。
示例代码：
```python
from torchvision.datasets import ImageFolder
from torchvision import transforms
import matplotlib.pyplot as plt
定义预处理变换
transform = transforms.Compose（[
transforms.Resize（（224, 224））,
transforms.ToTensor（）,
transforms.Normalize（mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]）
]）
加载数据集
train_dir = "../data/hotdog/train"
test_dir = "../data/hotdog/test"
train_dataset = ImageFolder（root=train_dir, transform=transform）
test_dataset = ImageFolder（root=test_dir, transform=transform）
使用DataLoader加载数据集
train_loader = torch.utils.data.DataLoader（train_dataset, batch_size=32, shuffle=True）
test_loader = torch.utils.data.DataLoader（test_dataset, batch_size=32, shuffle=False）
显示图片
for i, （images, labels） in enumerate（train_loader）:
ax = plt.subplot（3, 3, i + 1）
plt.imshow（images.permute（1, 2, 0））
plt.title（f"Label: {labels}"）
plt.axis（"off"）
if i == 8:
break
plt.show（）
```
自定义Dataset类 方法描述
继承torch.utils.data.Dataset类，实现自定义的数据读取和预处理逻辑。
这种方法更加灵活，适用于复杂的数据集结构。
示例代码：