class ModelObj: # 网络对象
    def __init__(self, ObjID, ObjType, ObjLable, ParaString, ObjX, ObjY):
        self.ObjID = ObjID  # 图元号
        self.ObjType = ObjType  # 图元类别
        self.ObjLable = ObjLable  # 对象标签
        self.ParaString = ParaString  # 参数字符串
        self.ObjX = ObjX  # 对象位置x坐标
        self.ObjY = ObjY  # 对象位置y坐标
class Data_Class(ModelObj):  # 数据集网络对象
    def __init__(self, ObjID, ObjType, ObjLable, ParaString, ObjX, ObjY):
        super().__init__(ObjID, ObjType, ObjLable, ParaString, ObjX, ObjY)
        # self.LoadData = self.load_data  # 基本操作函数 -------------------------
        self.SetDataPara = self.SetLoadData  # 参数设置函数
    def SetLoadData(self):# 定义加载数据集的参数SetLoadData()
        # 设置数据集路径信息
        # 训练集文件夹的位置
        train_imgPath = input("请输入训练集文件夹的位置：")  # 'data_classification/train/'
        # 测试集文件夹的位置
        test_imgPath = input("请输入测试集文件夹的位置：")  # 'data_classification/test/'
        img_width = int(input("请输入图片宽度："))  # 48
        img_height = int(input("请输入图片高度："))  # 48
        # 设置每批次读入图片的数量
        batch_size = int(input("请输入每批次读入图片的数量："))  # 批次大小 32
        # 返回DataPara参数，这里用一个字典来存储
        DataPara = {"train_imgPath": train_imgPath,
                    "test_imgPath": test_imgPath,
                    "img_width": img_width,
                    "img_height": img_height,
                    "batch_size": batch_size}
        return DataPara
if __name__ == '__main__':
    DataSet = Data_Class("DataSet1", 1, "数据集1", [], 120, 330)
    # setload_data()函数，获取加载数据集的参数
    DataPara = DataSet.SetDataPara()