python 中 DataLoader()

`torch.utils.data.DataLoader` 是 PyTorch 中用于加载数据的工具，它能够方便地对数据进行批量处理、并行加载以及打乱顺序等操作。

通常，我们将数据集封装为 `torch.utils.data.Dataset` 的子类，然后使用 `DataLoader` 加载数据集。在使用 `DataLoader` 时，我们可以指定批量大小、是否打乱数据等参数。

以下是一个使用 `DataLoader` 加载数据集的示例：

from torch.utils.data import DataLoader
from my_dataset import MyDataset

# 创建数据集
my_dataset = MyDataset()

# 创建数据加载器
batch_size = 32
shuffle = True
num_workers = 4
data_loader = DataLoader(dataset=my_dataset, batch_size=batch_size, shuffle=shuffle, num_workers=num_workers)

# 遍历数据集
for batch_idx, (data, target) in enumerate(data_loader):
    # 处理数据
    pass

在上面的示例中，我们首先创建了一个 `MyDataset` 数据集，然后使用 `DataLoader` 加载数据集。其中，`batch_size` 指定批量大小，`shuffle` 指定是否打乱数据，`num_workers` 指定使用多少个进程来加载数据。最后，我们使用 `enumerate` 函数遍历数据集，并在每个批次中处理数据。