主要包括三个类：Dataset、sampler.Sampler、DataLoader
pytorch读取训练集需要使用到2个torch.utils.data类：Dataset、DataLoader

Dataset

init：初始化，转化为张量
getitem(self, index)函数：根据索引序号获取item
len(self)函数：获取数据集的长度

  1. class COVID19Dataset(Dataset):
  2.     '''
  3.     x: Features.
  4.     y: Targets, if none, do prediction.
  5.     '''
  6.     def __init__(self, x, y=None):
  7.         if y is None:
  8.             self.y = y
  9.         else:
  10.             self.y = torch.FloatTensor(y)
  11.         self.x = torch.FloatTensor(x)
  13.     def __getitem__(self, idx):
  14.         if self.y is None:
  15.             return self.x[idx]
  16.         else:
  17.             return self.x[idx], self.y[idx]
  19.     def __len__(self):
  20.         return len(self.x)

sampler.Sampler

创建一个采样器
__iter(self)：获取一个迭代器,对数据集中元素的索引进行迭代
**len**(self)__：返回迭代器中包含元素的长度

  1. class RandomSampler(Sampler):
  2.     def __init__(self, data_source):
  3.         self.data_source = data_source
  5.     def __iter__(self):
  6.         return iter(torch.randperm(len(self.data_source)).long())
  8.     def __len__(self):
  9.         return len(self.data_source)

DataLoader