torch.utils.data.DataLoader

DataLoader
        它是PyTorch中数据读取的一个重要接口，该接口定义在dataloader.py中，只要是用PyTorch来训练模型基本都会用到该接口（除非用户重写…），该接口的目的：将自定义的Dataset根据batch size大小、是否shuffle等封装成一个Batch Size大小的Tensor，用于后面的训练。

   torch.utils.data.DataLoader（
                            dataset，#数据加载
                            batch_size = 1，#批处理大小设置
                            shuffle = False，#是否进项洗牌操作
                            sampler = None，#指定数据加载中使用的索引/键的序列
                            batch_sampler = None，#和sampler类似
                            num_workers = 0，#是否进行多进程加载数据设置
                            collat??e_fn = None，#是否合并样本列表以形成一小批Tensor
                            pin_memory = False，#如果True，数据加载器会在返回之前将Tensors复制到CUDA固定内存
                            drop_last = False，#True如果数据集大小不能被批处理大小整除，则设置为删除最后一个不完整的批处理。
                            timeout = 0，#如果为正，则为从工作人员收集批处理的超时值
                            worker_init_fn = None ）

dataset（Dataset） - 从中??加载数据的数据集。

batch_size（int，optional） - 每个批次要加载的样本数量（默认值:)1。

shuffle（bool，optional） - 设置为True在每个重新调整数据（默认值:) False。

sampler（Sampler，optional） - 定义从数据集中绘制样本的策略。如果指定，shuffle必须是False。

batch_sampler（Sampler，optional） - like sampler，但一次返回一批索引。互斥有batch_size， shuffle，sampler，和drop_last。

num_workers（int，optional） - 用于数据加载的子进程数。0表示数据将加载到主进程中。（默认值：0）

collat??e_fn（callable ，optional） - 合并样本列表以形成一小批Tensor。从映射样式数据集使用批量加载时使用。

pin_memory（bool，optional） - 如果True，数据加载器会在返回之前将Tensors复制到CUDA固定内存中。如果您的数据元素是自定义类型，或者您collate_fn返回的是自定义类型的批处理，请参阅下面的示例。

drop_last（bool，optional） - True如果数据集大小不能被批处理大小整除，则设置为删除最后一个不完整的批处理。如果False且数据集的大小不能被批量大小整除，则最后一批将更小。（默认值：False）

timeout（数字，optional） - 如果为正，则为从工作人员收集批处理的超时值。应始终是非负面的。（默认值：0）

worker_init_fn（callable ，optional） - 如果没有None，则在播种后和数据加载之前，将在每个worker子进程上调用 this，并将worker id（int in ）作为输入。（默认值：）[0, num_workers - 1]None

torch.utils.data.DataLoader

原文：https://www.cnblogs.com/oliyoung/p/pytorch_DataLoader.html