Pytorch-DataLoader(数据迭代器)

在没有用pytorch之前，读取数据一般时写一个load_data的函数，在里面导入数据，做一些数据预处理，这一部分就显得很烦索。对于深度学习来说，还得考虑batch的读取、GPU的使用、数据增强、数据乱序读取等等，所以需要有一个模块来集中解决这些事情，所以就有了data_loader的机制。

Dataloader的处理逻辑是先通过Dataset类里面的 __getitem__ 函数获取单个的数据，然后组合成batch，再使用collate_fn所指定的函数对这个batch做一些操作，比如padding啊之类的。

直接加载torch官方的数据集

分三步：

生成实例化对象

生成dataloader

从dataloader里读数据

PyTorch用类torch.utils.data.DataLoader加载数据，并对数据进行采样，生成batch迭代器：torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False)

数据加载器常用参数如下：dataset：加载数据的数据集；

batch_size：每个batch要加载多少样本（默认为1）；

shuffle：是否对数据集进行打乱重新排列（默认为False，即不重新排列）；

总结：torch的DataLoader主要是用来装载数据，就是给定已知的数据集，把数据集装载进DataLoaer，然后送入深度学习网络进行训练。