如何正确运用python torch.utils.data.DataLoader进行数据加载？

本文共计433个文字，预计阅读时间需要2分钟。

PyTorch数据读取的关键接口是`torch.utils.data.DataLoader`，定义在`dataloader.py`脚本中。它是PyTorch模型训练中不可或缺的部分，几乎每次训练模型都会使用到。该接口主要用来将自定义数据读取接口的输出转换为适合模型训练的格式。

PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader，该接口定义在dataloader.py脚本中，只要是用PyTorch来训练模型基本都会用到该接口，该接口主要用来将自定义的数据读取接口的输出或者PyTorch已有的数据读取接口的输入按照batch size封装成Tensor，后续只需要再包装成Variable即可作为模型的输入，因此该接口有点承上启下的作用，比较重要。

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。