ConcatDataset用法

`ConcatDataset`是PyTorch中的一个功能模块，主要用于将两个或更多的数据集（`torch.utils.data.Dataset`的实例）沿着第一维度（通常是样本数）连接起来。它的用法通常是在深度学习训练过程中，当我们有多个来源的数据需要组合在一起进行模型训练时。

以下是一个简单的`ConcatDataset`用法示例：

from torch.utils.data import ConcatDataset

# 假设我们有两个数据集：dataset1和dataset2
dataset1 = MyCustomDataset('data1')
dataset2 = MyCustomDataset('data2')

# 创建ConcatDataset
combined_dataset = ConcatDataset([dataset1, dataset2])

# 现在你可以像平常一样创建DataLoader，传入combined_dataset
dataloader = DataLoader(combined_dataset, batch_size=32)

for data in dataloader:
    # data将是来自dataset1和dataset2样本的元组堆叠
    inputs, targets = data

在这个例子中，`combined_dataset`将会包含`dataset1`的所有样本之后紧跟着`dataset2`的所有样本，它们会在每个批次中随机混合。