Pytorch学习基础——torch.DataLoader

Pytorch官方文档：API for pytorch

DataLoader函数功能：

1. 生成数据集的可迭代对象；
2. 利用多线程加速batch data处理；
3. 简洁、高效、直观的用于网络输入的数据结构，使用灵活，便于扩展

DataLoader类位于torch.utils.data包下，官方API介绍如下：

常用参数说明:

• dataset(Dataset)：输入数据集
• batch_size(int, optional)： 每个batch送入多少数据集
• shuffle(bool, optional)： 是否进行重新排列

实例：加载MNIS数据集并转化为dataloader格式：

import torch
import torchvision
import torchvision.datasets as dsets
import torchvision.transforms as transforms

#define hyperparameter
EPOCH = 1
BATCH_SIZE = 64
TIME_STEP = 28    #time_step / image_height
INPUT_SIZE = 28    #input_step / image_width
LR = 0.01
DOWNLOAD = True

#get the mnist dataset
train_data = dsets.MNIST(root='./', train=True, transform= torchvision.transforms.ToTensor(), download=DOWNLOAD)
#use dataloader to batch input dateset
train_loader = torch.utils.data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
#......#