【torch】数据加载器DataLoader()

1、简介

torch.utils.data.DataLoader() 函数是 PyTorch 中用于创建数据加载器（data loader）的函数。数据加载器用于加载训练和测试数据集，并将数据划分为小批量进行处理。它们是数据处理流程中的关键组件，可以方便地进行数据批量处理、乱序加载和并行读取。

2、函数原型&参数含义

torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False) 的参数含义如下：

• dataset：数据集对象，可以是自定义的 Dataset 类对象或 PyTorch 提供的预定义数据集，如 torchvision.datasets.MNIST。
• batch_size：批量大小，即每个小批量的样本数量。默认值是 1。
• shuffle：是否在每个 epoch 重新洗牌（随机打乱数据）。默认值是 False。
• num_workers：用于数据加载的子进程数量。默认值是 0，即在主进程中进行数据加载。
• collate_fn：用于将样本列表转换为小批量数据张量的函数。默认值是 None，表示使用默认的数据处理方式。
• pin_memory：是否将数据存储在 CUDA 固定内存中，以加速数据传输。默认值是 False。
• drop_last：当样本数不能被批量大小整除时，是否删除最后一个小于批量大小的小批量。默认值是 False，即保留部分小于批量大小的样本。