PyTorch DataLoader的torch.utils.data实例如何详细解析？

本文共计1593个文字，预计阅读时间需要7分钟。

1. 数据集：数据类型(dataset) + 输入的数据类型，这里是原始数据的输入。 PyTorch内也有这种数据结构。

2. 批大小：数据类型(int) + 训练数据量的批次大小，根据具体情况进行设置（默认）。

1、dataset：（数据类型 dataset）

输入的数据类型,这里是原始数据的输入。PyTorch内也有这种数据结构。

2、batch_size：（数据类型 int）

批训练数据量的大小，根据具体情况设置即可（默认：1）。PyTorch训练模型时调用数据不是一行一行进行的（这样太没效率），而是一捆一捆来的。这里就是定义每次喂给神经网络多少行数据，如果设置成1，那就是一行一行进行（个人偏好，PyTorch默认设置是1）。每次是随机读取大小为batch_size。如果dataset中的数据个数不是batch_size的整数倍，这最后一次把剩余的数据全部输出。若想把剩下的不足batch size个的数据丢弃，则将drop_last设置为True，会将多出来不足一个batch的数据丢弃。

3、shuffle：（数据类型 bool）

洗牌。默认设置为False。在每次迭代训练时是否将数据洗牌，默认设置是False。