torch.utils.data.DataLoader（）函数的用法

torch.utils.data.DataLoader函数是PyTorch中用于加载数据的工具函数。它用于创建一个数据迭代器，可以方便地对数据进行批处理、随机洗牌和并行加载等操作。

该函数的常见用法如下：

from torch.utils.data import DataLoader

# 创建自定义的数据集对象
dataset = MyDataset()

# 创建数据加载器
dataloader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)

# 迭代数据加载器
for batch_data in dataloader:
    # 在这里对批量数据进行处理
    ...

在上述代码中，首先需要创建一个自定义的数据集对象（例如，继承自torch.utils.data.Dataset类的自定义类）。然后，使用DataLoader函数创建一个数据加载器，传入数据集对象以及一些参数，如批量大小（batch_size）、是否随机洗牌（shuffle）和并行加载的工作进程数（num_workers）。接下来，可以通过迭代数据加载器来获取每个批次的数据进行处理。

需要注意的是，数据集对象需要实现__getitem__()和__len__()方法，以便能够被DataLoader正确加载和迭代。此外，还可以通过设置更多的参数来自定义数据加载器的行为，如collate_fn用于处理不同样本长度的对齐、sampler用于自定义样本采样策略等。

以上是torch.utils.data.DataLoader函数的基本用法，可以根据具体需求进行参数设置和自定义操作。