编写dataloader类

为了编写一个dataloader类，我们需要先定义一个继承自Dataset类的数据集类，然后再使用这个数据集类来创建dataloader对象。下面是一个简单的例子：

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

# 定义数据集类
class MyDataset(Dataset):
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        return self.data[index]

    def __len__(self):
        return len(self.data)

# 创建数据集对象
my_data = [1, 2, 3, 4, 5]
dataset = MyDataset(my_data)

# 创建dataloader对象
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)

# 使用dataloader迭代数据
for batch in dataloader:
    print(batch)

在上面的例子中，我们首先定义了一个数据集类`MyDataset`，它继承自`Dataset`类，并实现了`__getitem__`和`__len__`方法。`__getitem__`方法用于获取指定index的数据，`__len__`方法用于返回数据集的长度。

然后我们创建了一个数据集对象`dataset`，并将其传递给`DataLoader`类的构造函数中，同时指定了`batch_size`和`shuffle`参数。最后我们使用`for`循环和`dataloader`对象迭代数据，每次迭代返回一个batch的数据。