记录pytorch的API学习之Dataset与Dataloader（供自己回顾复习）

pytorch官方对应的教程
torch.utils.data.Dataset主要是针对单个样本
torch.utils.data.Dataloader针对多个样本.

简单的说是通过torch.utils.data.Dataset得到单个样本过后，再用torch.utils.data.Dataloader把它变成随机梯度下降算法 训练所需要的minibatch的形式（比如把多个样本打包成一个batch、或者把样本顺序打乱等等操作都可以通过Dataloader来实现，通常我们会将多个样本同时进行训练，这样一方面可以加快训练速度，另一方面可以提高抗噪性。

---

torch.utils.data.Dataset

Dataset主要是从磁盘中加载数据，并对样本和标签做一些预处理。

---

自定义 Dataset 类必须实现三个函数__init__,__len __ ,__getitem __。（继承torch.utils.data.Dataset这个类）
def getitem(self, index):
raise NotImplementedError
该函数通过索引来返回训练样本，比如训练样本有100个，那index的范围为[0,99].

torch.utils.data.D