pytorch dataloader 获取一个batch

可以使用`torch.utils.data.DataLoader`来获取一个batch。以下是一个示例：

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

class MyDataset(Dataset):
    def __init__(self, data):
        self.data = data
    
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, index):
        return torch.Tensor(self.data[index])

# 创建数据集
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
dataset = MyDataset(data)

# 创建数据加载器
batch_size = 2
dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=True)

# 获取一个batch
for batch in dataloader:
    print(batch)

输出：

tensor([[ 1.,  2.,  3.],
        [10., 11., 12.]])
tensor([[4., 5., 6.],
        [7., 8., 9.]])

可以看到，我们成功地获取了一个batch。在这个示例中，我们创建了一个包含4个样本的数据集，然后使用`DataLoader`来创建数据加载器，其中`batch_size`设置为2。在`for`循环中，我们使用`dataloader`来获取一个batch，每个batch包含2个样本。由于我们设置了`shuffle=True`，因此每个batch中的样本顺序是随机的。