PyTorch的data类

Dataset和DataLoader类

训练模型时，第一层循环就是循环的epoch，第二层循环是DataLoader,从DataLoader中用循环的方式不断取出一个batch的数据，可以把DataLoader看成 [一个batch的数据，一个batch的数据，第三个batch的数据.......]

#训练模型
for epoch in range(num_epoch)：
    for i ,data in enumerate(loader):
    ...

---

dataloder的实例化

每次从dataloder中取出来数据：

#dataloader的实例化
loader = Dataloader(dataset = set,batch_size = 2)

Dataloader类实例化的时候，定义了一个batch的大小。Dataset就是定义每个batch的数据，例如：

class MyDataSet1(Dataset):
    def __init__(self):
        self.data = ["你","是","恩","静"]
 
    def __getitem__(self, index):
        return self.data[index]
 
    def __len__(self):
        return len(self.data)
#实例化数据集类
set = MyDataSet1()
loader = DataLoader(dataset = set,batch_size = 2)
print("len(loader):","len(loader)"
#从dataloader中抽取batch数据
for data in loader:
    print(data)

(1) 调用len(loader）的时候，返回值是MyDataSet1类中的__len__(self)方法的放返回值。

(2) 每次从loader中取出data，就是Mydataset1类中的__getitem__(self,index)的返回值，然后根据batch_size设置的值,组成batch数据返回，变成data。

dataset类代码中，其中__getitem__和__len__是子类必须继承的

http://t.csdn.cn/F5fXC