torch.utils.data.DataLoader

`torch.utils.data.DataLoader` 是 PyTorch 中用于数据加载的工具，它可以将数据集分成小批次进行加载，以便于模型的训练。它可以自动对数据进行 shuffle（打乱顺序）和并行加速处理，从而在处理大量数据时提高数据加载的效率。在训练深度学习模型时，通常会使用 `DataLoader` 加载数据集，将数据划分为小批次进行训练，并在每个 epoch 结束时对数据集进行 shuffle，以便于模型充分地学习数据的特征。

`DataLoader` 的主要参数包括：

- dataset：待加载的数据集。
- batch_size：每个小批次数据的大小。
- shuffle：是否进行 shuffle。
- sampler：数据采样器，用于对数据进行采样。
- num_workers：用于数据加载的子进程数。
- collate_fn：用于对小批次数据进行处理和组合的函数。
- pin_memory：是否将数据加载到 GPU 的固定内存中。

`DataLoader` 返回的是一个可迭代的数据加载器对象，该对象可以用于for循环迭代访问数据集中的小批次数据。在每个迭代周期中，该对象会返回一个由输入数据张量组成的小批次数据，通常是一个元组或字典，每个张量都代表了数据集中的一部分。可以通过设置参数来控制每个小批次数据的大小、是否进行 shuffle、是否使用多个进程等。