准备好数据集并进行了数据集划分之后。需要对数据集进行预处理和数据增强策略（数据增强可根据实际需求添加），然后定义dataset加载划分好的数据集并建立索引。
一、数据预处理及增强

from paddlex import transforms as T

train_transforms = T.Compose([
    T.MixupImage(mixup_epoch=-1), 
    T.RandomDistort(),
    T.RandomExpand(im_padding_value=[123.675, 116.28, 103.53]), 
    T.RandomCrop(),
    T.RandomDistort(),  # 以一定的概率对图像进行随机像素内容变换，可包括亮度、对比度、饱和度、色相角度、通道顺序调整等
    T.RandomHorizontalFlip(), 
    T.BatchRandomResize(
        target_sizes=[192, 224, 256, 288, 320, 352, 384, 416, 448, 480, 512],
        interp='RANDOM'), 
    T.Normalize(
            mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

eval_transforms = T.Compose([
    T.Resize(
        target_size=320, interp='CUBIC'), 
    T.Normalize(
            mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

二、定义dataset加载图像分类数据集
定义数据集，pdx.datasets.VOCDetection表示读取VOC格式的分类数据集：

import paddlex as pdx
train_dataset = pdx.datasets.VOCDetection(
    data_dir='work/my',                    # 数据集目录
    file_list='work/my/train_list.txt',    # 训练集文件路径
    label_list='work/my/labels.txt',       # 数据标签
    transforms=train_transforms,           # 训练集的数据增强策略
    shuffle=True)                          # 打乱数据集的顺序
eval_dataset = pdx.datasets.VOCDetection(
    data_dir='work/my',
    file_list='work/my/val_list.txt',
    label_list='work/my/labels.txt',
    transforms=eval_transforms)

三、数据预处理及增强API说明