DataLoader类实现自定义数据集

用torch.utils.data.DataLoader类可以构建带有批次的数据集

DataLoader类的功能非常强大没伴随的参数也比较复杂，具体定义如下：

class DataLoader(dataset,
                 batch_size=1,
                 shuffle = False,
                 sampler= None,
                 num_workers=0,
                 collate_fn=,
                 pin_memory=False,
                 drop_last=False,
                 timeout=0,
                 worker_init_fn=None,
                 multiprocessing_context=None)

具体参数：

dataset：待加载的数据集

batch_size：每批次加载的样本数量，默认是1

shuffle：是否把样本的顺序打乱。默认是True,表示不打乱样本的顺序

sampler:接收一个采样器对象，用于按照指定的样本提取策略从数据集中提取样本。如果指定，则忽略shuffle参数。

num_workers:设置加载数据的额外进程数量。默认是0，表示不额外启动进程来加载数据，直接使用主进程对数据进行加载。

collate_fn：接受一个自定义函数。当该参数不为None时，系统会先从数据集中取出数据，然后将数据传入collate_fn中，由collate_fn参数所指向的函数对数据进行二次加工。collate_fn常用于 测试和训练场景中对同一个数据集进行数据提取。

pin_memory：在数据返回前，是否将数据复制到CUDA中，默认值为False。、

drop_last:是否丢弃最后数据。默认值时False，表示不丢弃。在样本总数不能被batch size整除的情况下，如果该值为True，则丢弃最后一个满足一个批次数量的数据；如果该值为False，则将最后不足一个批次数量的数据返回。

timeout:读取数据的超时时间，默认值为0，当超过设置时间还没读到数据时，系统默认就会报错

worker_init_fn:每个子进程的初始化函数，在加载数据之前运行

 multiprocessing_context：多进程处理的配置参数