ｐｙｔｏｒｃｈ中的１ＤＣＮＮ网络中怎样导入并划分数据集

在 PyTorch 中，可以使用 `torch.utils.data.Dataset` 和 `torch.utils.data.DataLoader` 这两个类来导入和划分数据集。

首先，需要定义一个自定义的 `Dataset` 类，来加载数据集。该类需要实现 `__len__` 和 `__getitem__` 两个方法，分别返回数据集中的样本数量和指定索引的样本数据。例如：

import torch.utils.data as data

class MyDataset(data.Dataset):
    def __init__(self, data):
        self.data = data
        
    def __len__(self):
        return len(self.data)
        
    def __getitem__(self, index):
        # 返回指定索引的样本数据
        return self.data[index]

接着，可以将数据集实例化，并创建 `DataLoader` 对象来划分数据集。`DataLoader` 对象可以指定 `batch_size`（批量大小）、`shuffle`（是否随机打乱数据）和 `num_workers`（使用多少个进程加载数据）等参数。例如：

data = [...]  # 数据集列表
dataset = MyDataset(data)

batch_size = 64
shuffle = True
num_workers = 4

dataloader = data.DataLoader(dataset, batch_size=batch_size, shuffle=shuffle, num_workers=num_workers)

这样，就可以通过 `dataloader` 对象来遍历数据集并分批次加载数据了。