pytorch之torch.utils.data

首先import torch.utils.data 

训练模型前的第一件事情就是导入训练时所需要用到的数据。

首先定义数据类

形式为下图代码所示，大概是这个形式。(根据自身需要用到的数据集进行调整)

import torch.utils.data
class MyDataset（torch.utils.data.Dataset）:
    def __init__(self，train_data,test_data)：
        super(MyDataset,self).__init__()
        self.train_data=train_data
        self.test_data=test_data

    def __getitem(self,item):
        return self.train_data(item)

    def __len__(self):
        return self.train_data.shape()
        
        

我们自定义的类要继承torch.utils.data中Dataset这个父类，在init初始化方法中采用super（）这个特殊函数，super函数里必须要包含两个参数，分别是子类名和参数self，这样你的自定义数据类就可继承Dataset父类的方法。对于Dataset类，查看类的声明可以得知，必须重写 getitem 和 len 这两个函数。

定义完MyDataset后使用torch.utils.data.DataLoader。DataLoader是pytorch中读取数据的一个重要接口，基本上用pytorch训练都会用到。这个接口的目的是将自定义的Dataset根据batch size大小，是否shuffle等选项封装成一个batch size大小的tensor。

处理过程如下：

dataset=MyDataset()
loader=torch.utils.data.DataLoader(dataset,batch_size=2,shuffle=True,...)

 以下是DataLoader初始化的参数：（按住ctrl 点击类名进行查询，自行根据所需调整相应的参数即可）

 关于DataLoader更深一步的了解可跳转这篇文章：http://t.csdn.cn/MiRdH