Pytorch 学习（二十五）---高级DataLoader技巧----每次返回的Tensor的size可以任意

总说

大家都知道，默认的DataLoader每次返回的Tensor的尺寸都是固定的，因为batchsize>1时，默认需要stack一下，比如__getitem__()返回的图片return img，其中img是 CHW, 你在外面拿到就是 N*C*H*W了。因为，默认return torch.stack(batch, 0, out=out)了一下。如果每次img图片不一样，就会出错。

有些人会说，我直接设置一个数据集最大的H和W呗，这样我们不管图片多大，全部pad成那么大，然后记录一下每张图片的h和w，再返回return padded_img, h, w。再在外面进行相应的处理。

但是有些情况，就是有时候每次返回的tensor通道很大，上千上万的吧，有时候通道就很小。类似这样的情况，即每次返回的tensor的size相差很大！这时候，你肯定不愿意直接pad成最大的吧。我们希望，当拿到batch所有数据后，不是默认的直接stack，而是自己处理一些size不匹配的tensor。

我们希望可以这样写：

class TrainDataset