torch

在pytorch中dataset和dateloader的异同

在PyTorch中，Dataset和DataLoader是用于加载和处理数据的两个重要类。

Dataset是一个抽象类，用于表示数据集，它定义了抽象方法__len__和__getitem__，用于返回数据集的大小和指定索引的数据。当我们定义自己的数据集时，需要继承Dataset类，并实现这两个方法，以便我们可以在训练模型时读取和处理数据。

        提供一种方式去获取数据及其label，如何获取每一个数据及其label，告诉我们总共有多少数据。

DataLoader则是一个用于批量加载数据的工具类。它将一个Dataset对象作为输入，并提供了批量加载、数据打乱、多进程处理等功能。具体来说，DataLoader可以在数据加载时进行并行化处理，从而加快数据加载的速度。它还可以对数据进行随机打乱，以增加模型的泛化能力。同时，DataLoader还可以指定批次大小、是否使用shuffle等参数来调整数据加载的方式。

        为后面的网络提供不同的数据形式。

总之，Dataset用于表示数据集，DataLoader用于对数据集进行批量加载和处理。它们的主要区别在于Dataset只表示数据集本身，而DataLoader则是对数据集的一个高级封装，提供了数据加载、批量处理和并行化处理等功能。 

在虚拟环境中安装torch后，检查该环境是否可以使用cuda，可以在虚拟环境终端逐行输入：

activate [envs name]
python
import torch
torch.cuda.is_available()

如果显示的结果是True，那么cuda可用。否则就没有装好torch。

torch下载地址

Previous PyTorch Versions | PyTorch