Torch中可以創建一個DataSet對象，并與dataloader一起使用，在訓練模型時不斷為模型提供數據Torch中DataLoader的參數如下

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

其中最重要的參數是dataset，是一個抽象類，包含兩種類型：map-style datasets 和 iterable-style datasets.

1、map-style datasets 映射樣式

借助映射樣式構建數據集有兩種方法，一種是構建dateset類，另外一種是借助TensorDataset直接將數據包裝成dataset類，再傳入到dataloader.

第一種方法：構建dateset類

該類型的dataset，其所有的子類必須重寫__getitem__() 方法和__len()__方法：

（1）其中__getitem__函數的作用是根據索引index遍歷數據 （2）__len__函數的作用是返回數據集的長度 （3）在創建的dataset類中可根據自己的需求對數據進行處理。可編寫獨立的數據處理函數，在__getitem__函數中進行調用；或者直接將數據處理方法寫在__getitem__函數中或者__init__函數中，但__getitem

總結

以上是生活随笔為你收集整理的从零学PyTorch：DataLoader构建高效的自定义数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。