m0_49133355的博客

torch.utils.data.Dataset 是 PyTorch 数据加载库中的一个重要类，用于定义自定义数据集。通过继承 Dataset 类，可以创建自己的数据集类，并实现数据的加载和处理逻辑。通过继承和实现 torch.utils.data.Dataset 类，可以灵活地创建自定义数据集，并与 DataLoader 结合使用，实现高效的数据加载和处理。(self, idx)：支持索引操作，返回指定索引的样本。继承 Dataset 类，并实现。方法中加载文件数据。2.1 导入相关模块。

torch.no_grad() 是一个用于禁用梯度计算的上下文管理器，适用于模型评估、推理等不需要梯度计算的场景。在使用 torch.no_grad() 时，通常还会将模型设置为评估模式（model.eval()），以确保某些层（如 dropout 和 batch normalization）在推理时的行为与训练时不同。torch.no_grad() 可以嵌套使用，内层的 torch.no_grad() 仍然会禁用梯度计算。进入 torch.no_grad() 上下文，临时禁用梯度计算。

这里，x 是一个形状为 (100, 10) 的张量，表示 100 个样本，每个样本有 10 个特征。y 是一个形状为 (100,) 的张量，表示 100 个样本的标签，取值在 0 和 1 之间（二分类问题）。在这个实例中，我们创建了一个包含 100 个样本的数据集，每个样本有 10 个特征，并将其划分为批次，每个批次包含 20 个样本。这里，我们创建了一个数据加载器 train_dataloader，每个批次包含 20 个样本，并且在每个 epoch 结束后会打乱数据（shuffle=True）。