pytorch卷积神经网络做图像识别，怎么给自己的数据集加标签？？

目前在用pytorch做图像分类，但是在训练和预测程序运行后，发现预测结果全都是同一个分类结果，我怀疑是在定义数据处理类的时候给图像加标签加的不对，但是我小白一枚，实在看不出哪里有错误，还请大神指点！！！

下面是我定义的数据处理类。我的目标是要把我的训练集分14类，比如文件名有a1的标签为0，文件名有a2的标签为1，等等。

#定义数据处理类
class MyDataset(Dataset):
    def __init__(self, file_list, dir, mode='train', transform = None):
        self.file_list = file_list
        self.dir = dir
        self.mode= mode
        self.transform = transform
        if self.mode == 'train': 
            if 'a1' in self.file_list[0]:
                self.label = 0
            if 'a2' in self.file_list[0]:
                self.label = 1
            if 'a3' in self.file_list[0]:
                self.label = 2
            if 'a4' in self.file_list[0]:
                self.label = 3
            if 'b1' in self.file_list[0]:
                self.label = 4    
            if 'b2' in self.file_list[0]:
                self.label = 5 
            if 'b3' in self.file_list[0]:
                self.label = 6 
            if 'b4' in self.file_list[0]:
                self.label = 7 
            if 'c1' in self.file_list[0]:
                self.label = 8 
            if 'c2' in self.file_list[0]:
                self.label = 9 
            if 'c3' in self.file_list[0]:
                self.label = 10
            if 'c4' in self.file_list[0]:
                self.label = 11  
            if 'c6' in self.file_list[0]:
                self.label = 12
            else:
                self.label = 13
            
    def __len__(self):
        return len(self.file_list)
    
    def __getitem__(self, idx):
        img = Image.open(os.path.join(self.dir, self.file_list[idx])).convert('L')
        if self.transform:
            img = self.transform(img)
        if self.mode == 'train':
            img = img.numpy()
            return img.astype('float32'), self.label
        else:
            img = img.numpy()
            return img.astype('float32'), self.file_list[idx]

只有部分代码没有数据，真的很难啊。。