pytorch dataloader案例

好的，关于 PyTorch DataLoader 的案例，我能为您提供以下示例代码：

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

class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data
    def __len__(self):
        return len(self.data)
    def __getitem__(self, index):
        x = self.data[index][0]
        y = self.data[index][1]
        return x, y

# some hypothetical data
data = [(torch.randn(2, 3), torch.tensor([0, 1, 0])), 
        (torch.randn(2, 3), torch.tensor([1, 0, 1])),
        (torch.randn(2, 3), torch.tensor([0, 1, 1])),
        (torch.randn(2, 3), torch.tensor([1, 1, 0]))]

dataset = CustomDataset(data)
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)

for x, y in dataloader:
    print(x, y)

这段代码演示了如何定义数据集类 `CustomDataset` 和如何使用 `DataLoader` 加载数据。我们定义 `CustomDataset` 来适配我们的数据格式，并使用 `DataLoader` 按照一定的 batch size，顺序、随机等规则进一步处理数据。这个过程方便、高效地将数据传入神经网络训练过程中。