深度学习 数据加载过程：

做深度学习：1 改网络模型的结构； 2 改 数据加载过程的代码

无非就是这两种，目前来说，网络模型结构的改动 还是比较清晰！

数据加载过程，主要分为以下三个步骤：

1 数据下载，

2 数据载入， 也就是图片的处理 。对应代码：

那些最常见的数据集，比如 mnist之类的，都是直接调用datasets.数据名（）既可！

module_train = import_module('data.' + args.data_train.lower())    
trainset = getattr(module_train, args.data_train)(args)           
self.loader_train = MSDataLoader(                                   
                args,
                trainset,
                batch_size=args.batch_size,
                shuffle=True,
                pin_memory=not args.cpu
            )

比如这里的 trainset 就算数据载入，一般我们要改数据载入的过程。就是 改这个trainset里面的东西。

从哪里可以看出来是，真正的数据载入呢？

import torch.utils.data as data

要是导入了torch工具里面的data，并且有类继承了data.Dataset既可以知道，