DataLoader
DataLoader 是 PyTorch 中讀取數據的一個重要接口，該接口定義在 dataloader.py 文件中，該接口的目的： 將自定義的 Dataset 根據 batch size 的大小、是否 shuffle 等封裝成一個 batch size 大小的 Tensor，用於后面的訓練。
通過 DataLoader，使得我們在准備 mini-batch 時可以多線程並行處理，這樣可以加快准備數據的速度。
DataLoader 是一個高效、簡潔、直觀地網絡輸入數據結構，便於使用和擴展
- DataLoader 本質是一個可迭代對象，使用 iter() 訪問，不能使用 next() 訪問
- 使用 iter(dataloader) 返回的是一個迭代器，然后使用 next() 訪問
- 也可以使用
for features, targets in dataloaders進行可迭代對象的訪問- 一般我們實現一個 datasets 對象，傳入到 DataLoader 中，然后內部使用
yield返回每一次 batch 的數據
DataLoader(object) 的部分參數：
# 傳入的數據集
dataset(Dataset)
# 每個 batch 有多少個樣本
batch_size(int, optional)
# 在每個 epoch 開始的時候，對數據進行重新排序
shuffle(bool, optional)
# 自定義從數據集中抽取樣本的策略，如果指定這個參數，那么 shuffle 必須為 False
sampler(Sampler, optional)
# 與 sampler 類似，但是一次只返回一個 batch 的 indices（索引），如果指定這個參數，那么 batch_size, shuffle, sampler, drop_last 就不能再指定了
batch_sampler(Sampler, optional)
# 這個參數決定有多少進程處理數據加載，0 意味着所有數據都會被加載到主進程，默認為0
num_workers(int, optional)
# 如果設置為 True，則最后不足batch_size大小的數據會被丟棄，比如batch_size=64, 而一個epoch只有100個樣本，則最后36個會被丟棄；如果設置為False，則最后的batch_size會小一點
drop_last(bool, optional)
Reference: