pytorch代码阅读笔记

源码：https://github.com/kuangliu/pytorch-retinanet

参考：http://pytorch-cn.readthedocs.io/zh/latest/

　　　https://pytorch.org/docs/stable/index.html

1、数据加载：

class torch.utils.data.Dataset

　　表示Dataset的抽象类。

　　所有其他数据集都应该进行子类化。所有子类应该override __len__和__getitem__，前者提供了数据集的大小，后者支持整数索引，范围从0到len(self)。

class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False)

　　数据加载器。组合数据集和采样器，并在数据集上提供单进程或多进程迭代器。

　　参数：

　　　　dataset (Dataset) – 加载数据的数据集。

　　　　batch_size (int, optional) – 每个batch加载多少个样本(默认: 1)。

　　　　shuffle (bool, optional) – 设置为True时会在每个epoch重新打乱数据(默认: False)。

　　　　sampler (Sampler, optional) – 定义从数据集中提取样本的策略。如果指定，则忽略shuffle参数。

　　　　num_workers (int, optional) – 用多少个子进程加载数据。0表示数据将在主进程中加载(默认: 0)

　　　　collate_fn (callable, optional) –将一组采样组合称一个mini-batch。

　　　　pin_memory (bool, optional) –如果True，dataloader会在返回张量前将其复制一份到CUDA pinned memory中。

　　　　drop_last (bool, optional) – 如果数据集大小不能被batch size整除，则设置为True后可删除最后一个不完整的batch。如果设为False并且数据集的大小不能被batch size整除，则最后一个batch将更小。(默认: False)

待续...