重写dataset后dataloader的动态变化

总结：
如果要实现动态变化的dataloader，必须重写dataset的len方法

import torch
from torch.utils.data import DataLoader, TensorDataset

随机生成 100 个样本，每个样本 10 个特征

data = torch.randn(10, 1) # 100个样本，每个样本10个特征

随机生成 100 个标签（二分类标签，0 或 1）

targets = torch.randint(0, 2, (10,)) # 100个标签，取值为0或1

创建 TensorDataset

class MyDataset(TensorDataset):
def init(self, data, targets):
super(MyDataset, self).init(data, targets)
self.data = data
self.targets = targets
def len(self):
return len(self.data)
def getitem(self, index):
# data = super(MyDataset, self).getitem(index)
return self.data[index], self.targets[index]
def aug_data(self,extra_data,extra_targets):
self.data=torch.cat((self.data,extra_data),0)
self.targets=torch.cat((self.targets,extra_tar