pytorch 自制的数据集怎么载入

载入自制数据集的方法可以按照以下步骤进行：

1. 定义数据集类：自制数据集需要继承 `torch.utils.data.Dataset` 类，并实现 `__len__` 和 `__getitem__` 方法。

2. 加载数据集：使用 `torch.utils.data.DataLoader` 类可以加载数据集，设置 batch_size、shuffle 等参数。

下面是一个简单的例子：

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

class MyDataset(Dataset):
    def __init__(self, data):
        self.data = data

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

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

# 创建数据集
data = [1, 2, 3, 4, 5]
my_dataset = MyDataset(data)

# 加载数据集
dataloader = DataLoader(my_dataset, batch_size=2, shuffle=True)

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

在这个例子中，我们创建了一个包含数字 1~5 的数据集 `MyDataset`，使用 `DataLoader` 加载数据集，并设置 batch_size=2、shuffle=True。最后，我们通过迭代 dataloader 来获取数据集的 batch，并打印出来。