pytorch.utils.data.DataLoader

Dataloader 基础知识

是PyTorch中数据读取的一个重要接口，该接口定义在pytorch.utils.data.dataloader.py中，目的是：将自定义的Dataset根据batch size大小、是否shuffle等封装成一个Batch Size大小的Tensor，用于后面的训练。

dataloader本质是一个可迭代对象，使用iter()访问，不能使用next()访问

• DataLoader本质上就是一个iterable（跟python的内置类型list等一样），并利用多进程来加速batch data的处理，使用yield来使用有限的内存
• 使用iter(dataloader)返回的是一个迭代器，然后可以使用next访问
• 一般我们实现一个datasets对象，传入到dataloader中；然后内部使用yeild返回每一次batch的数据；

pytorch 的数据加载到模型的操作顺序是这样的

① 创建一个 Dataset 对象

    train_dataset = datasets.ImageFolder(root=os.path.join(datapath, "fstrain"),
                                                transform=data_transform["train"])

② 创建一个 DataLoader 对象

 train_loader = torch.utils.data.DataLoader(train_dataset,
                                                    batch_size=batch_size, shuffle=True,
                                                    num_workers=nw)

③ 循环这个 DataLoader 对象，将img, label加载到模型中进行训练

 for images, labels in train_loader: