在PyTorch中，可以通過創建一個自定義的數據集類來加載自己的數據集。

首先，需要導入以下必要的庫和模塊：

import torch
from torch.utils.data import Dataset, DataLoader

接下來，創建一個自定義的數據集類，繼承自torch.utils.data.Dataset類。在該類中，需要實現__init__、__len__和__getitem__方法。__init__方法用于初始化數據集，__len__方法返回數據集的大小，__getitem__方法用于獲取指定索引的數據。

class CustomDataset(Dataset):
def __init__(self, ...):
# 初始化數據集
...
def __len__(self):
# 返回數據集大小
...
def __getitem__(self, index):
# 獲取指定索引的數據
...

在__getitem__方法中，需要根據索引加載對應的數據，并返回數據和標簽。可以使用torchvision.transforms模塊對數據進行預處理。

from torchvision import transforms
class CustomDataset(Dataset):
def __init__(self, ...):
# 初始化數據集
...
# 定義數據預處理
self.transform = transforms.Compose([
transforms.ToTensor(),  # 將數據轉為Tensor
transforms.Normalize((0.5,), (0.5,))  # 數據標準化
])
def __len__(self):
# 返回數據集大小
...
def __getitem__(self, index):
# 獲取指定索引的數據
...
# 加載數據和標簽
data, label = ...
# 對數據進行預處理
data = self.transform(data)
return data, label

最后，使用DataLoader類來加載數據集。DataLoader可以按批次加載數據，并提供數據的迭代器。

dataset = CustomDataset(...)
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

通過上述步驟，就可以加載自己的數據集并使用DataLoader來獲取數據和標簽。