torch.utils.data.DataLoader

`torch.utils.data.DataLoader` 是 PyTorch 中用于加载数据的工具类，它可以将数据集封装成一个迭代器，方便我们进行批量读取数据和多进程加载数据等操作。

使用 `DataLoader` 类需要传入三个参数：数据集（`dataset`）、批大小（`batch_size`）和是否启用多进程加载数据的标志（`num_workers`）。

`DataLoader` 类的一些常用参数：

- `dataset`：数据集对象。必须实现 `__getitem__()` 和 `__len__()` 方法，可以使用 PyTorch 中提供的 `torch.utils.data.Dataset` 类或自己实现数据集类。
- `batch_size`：每个批次加载的样本数量。
- `shuffle`：是否对数据进行随机洗牌。
- `num_workers`：使用多少个子进程来加载数据。默认值为 `0`，表示不使用多进程。
- `collate_fn`：指定如何将样本列表转换为批次张量。默认情况下，它会将样本列表转换为张量，并将其堆叠在一起。如果数据集中的每个样本大小不一致，则需要自定义此函数。

例如，以下代码使用 `DataLoader` 类加载一个名为 `MyDataset` 的数据集，并设置批大小为 64，使用 4 个子进程来加载数据：

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

dataset = MyDataset()
dataloader = DataLoader(dataset, batch_size=64, shuffle=True, num_workers=4)

`dataloader` 对象是一个迭代器，可以使用 `for` 循环遍历数据集中的每个批次。每个批次的数据是一个长度为 `batch_size` 的张量，即一个形状为 `(batch_size, ...)` 的多维数组。需要注意的是，最后一个批次的大小可能会小于 `batch_size`，需要特别处理。