pytorch训练时同时加载3个dataloader

可以使用 PyTorch 的 `DataLoader` 类中的 `collate_fn` 参数来实现同时加载多个数据集。具体地，你可以将你的三个 `DataLoader` 对象传递给 `torch.utils.data.ConcatDataset` 类来创建一个合并后的数据集，然后将该数据集传递给 `DataLoader` 的 `dataset` 参数。在 `collate_fn` 函数中，你可以使用 Python 的 `zip` 函数将来自三个数据集的数据打包在一起，以便同时加载它们。以下是一个示例代码：

import torch
from torch.utils.data import DataLoader, ConcatDataset

# 定义三个数据集
dataset1 = ...
dataset2 = ...
dataset3 = ...

# 创建合并后的数据集
concat_dataset = ConcatDataset([dataset1, dataset2, dataset3])

# 定义 DataLoader
dataloader = DataLoader(
    dataset=concat_dataset,
    batch_size=batch_size,
    shuffle=True,
    collate_fn=lambda x: tuple(zip(*x))
)

# 在训练循环中使用 dataloader
for batch in dataloader:
    inputs1, inputs2, inputs3 = batch
    ...

在上面的代码中，`collate_fn` 函数接收一个由三个数据集的样本组成的列表，并使用 `zip` 函数将它们打包在一起，返回一个元组，其中每个元素都是一个列表，表示来自不同数据集的数据。这使得你可以同时加载三个数据集的数据。