torch.utils.data.Dataset类中，random_split方法分割后的数据集如何获取

在PyTorch的`torch.utils.data.Dataset`类中，`random_split`方法用于将数据集划分为几个随机的、大小相等或不等的部分。当你调用这个方法并传入所需的分段比例，它会返回一个新的包含子数据集的列表。

例如，假设你有一个名为`my_dataset`的数据集实例：

from torch.utils.data import Dataset

# 假设my_dataset是一个自定义的数据集
train_size, val_size = int(0.8 * len(my_dataset)), int(0.1 * len(my_dataset))
train_data, val_data = my_dataset.random_split([train_size, val_size])

在这个例子中，`train_data`和`val_data`就是两个分别对应训练集和验证集的新数据集对象。你可以像操作普通列表一样对它们进行迭代，获取每个样本：

for data in train_data:
    # 这里是对train_data中的每个样本进行处理...
    
for data in val_data:
    # 这里是对val_data中的每个样本进行处理...