pytorch基础（五）----------DataLoader和Dataset

一、DataLoader

torch.utils.data.DataLoader()
功能：构建可迭代的数据装载器
其中几个比较常用的参数：
dataset：Dataset类，决定数据从哪读取以及如何读取
batchsize：每批次的大小
num_works：是否多进程读取数据
shuffle：每个epoch是否打乱顺序
drop_last：当样本数不能被batchsize整除时，是否舍弃掉最后一批数据
代码展示：

from torch.utils.data import DataLoader
train_loder = DataLoader(
    # dataset 接收的一个数据对象
    dataset=train_dataset,  # 对什么数据集进行分批
    batch_size=BATCH_SIZE,  # 每个批次的样本数
    shuffle=True,  # 是否进行打乱拆分
    drop_last=False,  # 样本数/BATCH_SIZE 如果不能整除 是否删除最后一个批次
)

二、Dataset

torch.utils.data.Dataset()
功能：Dataset抽象类，所有定义的Dataset需要继承它，并且复写
在通常情况下我们使用Dataset类的方法如下：

class My_Dataset(Dataset):
	def __init__(self):
		# 用来初始化数据
		pass
	def __getitem__(self):
		# 用来接收一个索引，返回一个样本
		pass
	def __len__(self):
		# 用来返回数据长度
		pass