pytorch dataloader 返回每次batch的文件名

PyTorch DataLoader是一个用于处理数据集并将其转换为适合模型训练的小批次的工具。它并不直接提供每个batch内的文件名，而是负责加载数据并应用预处理步骤。如果你的数据集是基于文件的，比如包含图片或文本文件，Dataloader通常不会在迭代过程中返回文件名，而是读取文件内容并转换为张量。

然而，你可以通过一些自定义的方式来获取每个样本对应的文件名。例如，在`DataLoader`的`__iter__()`方法内，你可以访问每个数据项的索引，并从原始数据源（如目录结构、数据库查询等）中查找相应的文件名。这需要你在创建`Dataset`类的时候保存文件名和其他元数据。

如果你想要在每次迭代后获取整个批次的文件名，可以在`for`循环外维护一个列表，然后在内部处理每个样本时将文件名添加到这个列表中。以下是一个简单的例子：

class CustomDataset(torch.utils.data.Dataset):
    def __init__(self, file_list):
        self.file_names = file_list

    def __getitem__(self, idx):
        # 获取文件路径或其他必要的信息
        file_name = self.file_names[idx]
        # 加载并处理数据...
        return processed_data, file_name

# 创建数据加载器
dataset = CustomDataset(file_list)
dataloader = torch.utils.data.DataLoader(dataset)

# 在外部获取批次文件名
file_names_batch = []
for batch in dataloader:
    processed_data, batch_file_names = batch
    file_names_batch.extend(batch_file_names)