## Подготовка данных

По мимо подготовки датасета реализуется 2 обязательных класса:
1. Обязательный класс. В него мы подаем путь до датасета и трансформации, которые необходимо провести. 
```python
dataset = DatasetNameDataset(path=.... , transforms=....)
```
Вот так выглядит сам класс:
```python
class DatasetNameDataset(Dataset): # название класса
	def __init__(self, *args, **kwargs) # инициализация
	
	def __len__(self):
		pass # Вот тут функционал поиска длины датасета
	
	def __getitem__(self, index):
		pass # Функционал поиска по индексу, где мы должны получить в ответе данные и ответ к ним (sample, target)
```
2.  Класс pytorch DataLoader
```python
DataLoader(dataset=dataset, batch_size=BATCH_SIZE, shuffle=False)
```
где:
- **dataset*** - наш датасет 
- **batch*** - 'пакет' из ***BATCH_SIZE***  чилса данных и ответов к ним.
- **shuffle*** - либо разрешаем либо запрещаем перемешивать данные при каждой итерации

И для задач классификации, ровно как и для задач регрессии, данные классы идентичны. 
**НО** различаются они только тем, какие именно данные в них подаются и какой ответ мы получаем.