python——torch.utils.data.DataLoader

数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集。
在训练模型时使用到此函数，用来把训练数据分成多个小组，此函数每次抛出一组数据。直至把所有的数据都抛出。就是做一个数据的初始化。

生成迭代数据非常方便，请看如下示例：

“”” 批训练，把数据变成一小批一小批数据进行训练。
DataLoader 就是用来包装所使用的数据，每次抛出一批数据

import torch import torch.utils.data as Data
BATCH_SIZE = 5 x = torch.linspace(1, 10, 10)
y = torch.linspace(10, 1, 10) # 把数据放在数据库中
torch_dataset = Data.TensorDataset(x, y)
loader = Data.DataLoader( # 从数据库中每次抽出batch size个样本
    dataset=torch_dataset,
    batch_size=BATCH_SIZE,
    shuffle=True,
    num_workers=2,
) def show_batch(): for epoch in range(3): for step, (batch\_x, batch\_y) in enumerate(loader): # training
            print("steop:{}, batch_x:{}, batch_y:{}".format(step, batch_x, batch_y)) if __name__ == '__main__':
    show_batch()

结果：

我们来看一下变量类型：

https://www.cnblogs.com/demo-deng/p/10623334.html