DataLoader函数用法

在训练神经网络时，最好对一个batch的数据进行操作，同时还需要对数据进行shuffle和并行加速等。对此，Pytorch提供了DataLoader帮助实现这些功能。

DataLoader的函数定义如下：

DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, 
num_workers=0, collate_fn=default_collate, pin_memory=False, 
drop_last=False)

dataset：加载数据的数据集(Dataset对象)
batch_size：每个batch加载多少个样本
shuffle:：是否将数据打乱， 设置为True时会在每个epoch重新打乱数据(默认: False).
sampler： 定义从数据集中提取样本的策略。
num_workers：使用多少个子进程加载数据，0代表不使用多进程，在主进程中加载
collate_fn： 如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式即可
pin_memory：是否将数据保存在pin memory区，pin memory中的数据转到GPU会快一些
drop_last：dataset中的数据个数可能不是batch_size的整数倍，drop_last为True会将多出来不足一个batch的数据丢弃（默认：False）

DataLoader函数用法

原文：https://www.cnblogs.com/songyuejia1997/p/14170176.html