torch.utils.data.DataLoader设置

torch.utils.data.DataLoader是PyTorch中的一个数据加载器，用于加载和处理数据集。它接受一个torch.utils.data.Dataset对象作为输入，并提供一个可迭代的数据加载器，用于批量加载数据。

torch.utils.data.DataLoader可以通过一系列参数进行设置，例如：
- batch_size：每个批次的样本数量。
- shuffle：是否对数据进行洗牌，以随机化数据加载顺序。
- num_workers：用于数据加载的子进程数量。
- collate_fn：用于自定义批次生成的函数。
- sampler：用于指定样本抽样策略的对象。

示例代码：

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

# 创建自定义Dataset对象
class MyDataset(Dataset):
    def __init__(self):
        # 初始化数据集
        pass

    def __getitem__(self, index):
        # 获取指定索引的样本
        pass

    def __len__(self):
        # 返回数据集大小
        pass

# 创建DataLoader对象
dataset = MyDataset()
dataloader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4, collate_fn=my_collate_fn)

# 使用DataLoader进行数据加载
for batch_data in dataloader:
    # 处理批次数据
    pass