MXnet下Gluon Data

本文主要为对以下代码的相关理解：

      train_data=gluon.data.DataLoader(
    #用于加载存储在文件夹结构中的图像文件的数据集
    gluon.data.vision.ImageFolderDataset(train_path,transform=transform_train),
    batch_size=batch_size,shuffle=True,num_workers=4)

（1）DataLoader

从数据集加载数据并返回小批量数据。

（2）class  mxnet.gluon.data. DataLoader （ dataset ， batch_size = None ， shuffle = False ， sampler = None ， last_batch = None ， batch_sampler = None ， batchify_fn = None ， num_workers = 0  ）参数理解

• dataset（数据集） - 源数据集。请注意，numpy和mxnet数组可以直接用作数据集。
• batch_size（int） - 最小批量的大小。
• shuffle（bool） - 是否洗牌。
• sample（采样器） - 要使用的采样器。指定采样器或混洗，而不是两者。
• last_batch（{'keep' ，'discard' ，'rollover'}） -

  如果batch_size不能均匀分配len（数据集），如何处理最后一批 。

  keep - 返回比前一批次样品少的批次。discard - 如果最后一批不完整，则丢弃最后一批。rollover - 剩余的样本将转入下一个时间段。

• batch_sampler（采样器） - 返回小批量的采样器。如果指定了batch_sampler，则不要指定batch_size，shuffle，sampler和last_batch。
• batchify_fn（可调用） -
  回调函数允许用户指定如何将样本合并到批处理中。默认为 default_batchify_f
  num_workers（int ，默认值为0） - 用于数据预处理的多处理工作器的数量。 Windows尚未支持num_workers> 0。
  (3)class mxnet.gluon.data.vision.datasets.MNIST（root ='〜/ .mxnet / datasets / mnist'，train = True，transform = None ）

  参数：	root（str ，默认'〜/ .mxnet / datasets / mnist'） - 用于存储数据的临时文件夹路径。 train（bool ，默认为True） - 是否加载训练或测试集。 transform（函数，默认无） - 用户定义的回调函数，用于转换每个样本。