"""A modified image folder classWe modify the official PyTorch image folder (https://github.com/pytorch/vision/blob/master/torchvision/datasets/folder.py)
so that this class can load images from both current directory and its subdirectories.
"""import torch.utils.data as data
# 导入 torch.utils.data 并起别名 data，以便继承 data.Dataset 实现自定义数据集
from pathlib import Path
# 从标准库导入 Path，用于跨平台、易用的路径处理
from PIL import ImageIMG_EXTENSIONS = ['.jpg', '.JPG', '.jpeg', '.JPEG','.png', '.PNG', '.ppm', '.PPM', '.bmp', '.BMP','.tif', '.TIF', '.tiff', '.TIFF',
]
# 定义可接受的图片扩展名列表（大小写都覆盖），后面用来做文件类型过滤def is_image_file(filename):return any(filename.endswith(extension) for extension in IMG_EXTENSIONS)
# 判断 filename 是否以任一允许的扩展名结尾；返回布尔值def make_dataset(dir, max_dataset_size=float("inf")):
# 定义函数 make_dataset(dir, max_dataset_size=float("inf"))，
# 用于从目录递归收集图片路径，并支持数量上限images = []dir_path = Path(dir)
# 把传入的 dir 包装成 Path 对象 dir_path
# 用人话说就是用dir变量创建一个Path类的对象assert dir_path.is_dir(), f'{dir} is not a valid directory'# 断言 dir_path 必须是一个目录，否则抛错for path in sorted(dir_path.rglob('*')):# 使用 dir_path.rglob('*') 递归遍历该目录及子目录的所有路径，# 并先按字典序 sorted 固定遍历顺序（保证复现性）# 人话：遍历dir_path下的所有文件，并判断每一个文件是不是图像文件# 如果是图像的话就把对应图像路径加到images列表里if path.is_file() and is_image_file(path.name):images.append(str(path))return images[:min(max_dataset_size, len(images))]def default_loader(path):# 定义 default_loader(path)。# 用 Pillow 打开图片并统一 convert('RGB')，确保三通道（便于后续变换与模型输入统一）# 从str格式的图像路径中load RGB格式的图像对象return Image.open(path).convert('RGB')class ImageFolder(data.Dataset):
# 定义数据集类 ImageFolder，继承自 data.Datasetdef __init__(self, root, transform=None, return_paths=False,loader=default_loader):imgs = make_dataset(root)# 从数据集根目录root里收集图像文件，并存在imgs里if len(imgs) == 0: # 如果根目录里没有图像，则抛出异常raise(RuntimeError("Found 0 images in: " + root + "\n""Supported image extensions are: " + ",".join(IMG_EXTENSIONS)))self.root = rootself.imgs = imgsself.transform = transformself.return_paths = return_paths# return_paths 表示 __getitem__ 是否连同路径一起返回self.loader = loader# loader 为读图函数默认用 default_loaderdef __getitem__(self, index):# 根据index随机获取图像文件（在获取之前还需要进行对应的预处理）path = self.imgs[index]img = self.loader(path)if self.transform is not None:img = self.transform(img)# 若设置了 transform，则对图像执行变换（例如 ToTensor/Normalize/Resize 等）if self.return_paths:return img, pathelse:return imgdef __len__(self):return len(self.imgs)# 返回数据集中图片的数量 len(self.imgs)