簡介
DataLoader是PyTorch中的一種數據類型。對數據進行按批讀取。
使用Pytorch自定義讀取數據時步驟如下：
1）創建Dataset對象
2）將Dataset對象作為參數傳遞到Dataloader中 |
Dataloader 就是一個迭代器，最基本的使用就是傳入一個 Dataset 對象，它就會根據參數 batch_size 的值生成一個 batch 的數據。
torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None)
Data loader. Combines a dataset and a sampler, and provides an iterable over the given dataset.
The DataLoader supports both map-style and iterable-style datasets with single- or multi-process loading, customizing loading order and optional automatic batching (collation) and memory pinning.
See torch.utils.data documentation page for more details.
參數說明
__init__（構造函數）中的幾個重要的屬性[3]：
1、dataset：（數據類型 dataset）
輸入的數據類型。看名字感覺就像是數據庫，C#里面也有dataset類，理論上應該還有下一級的datatable。這應當是原始數據的輸入。PyTorch內也有這種數據結構。這里先不管，估計和C#的類似，這里只需要知道是輸入數據類型是dataset就可以了。
2、batch_size：（數據類型 int）
每次輸入數據的行數，默認為1。PyTorch訓練模型時調用數據不是一行一行進行的（這樣太沒效率），而是一捆一捆來的。這里就是定義每次喂給神經網絡多少行數據，如果設置成1，那就是一行一行進行（PyTorch默認設置是1）。
3、shuffle：（數據類型 bool）
洗牌。默認設置為False。在每次迭代訓練時是否將數據洗牌，默認設置是False。將輸入數據的順序打亂，是為了使數據更有獨立性，但如果數據是有序列特征的，就不要設置成True了。
4、collate_fn：（數據類型 callable，沒見過的類型）
將一小段數據合並成數據列表，默認設置是False。如果設置成True，系統會在返回前會將張量數據（Tensors）復制到CUDA內存中。（不解，就暫時默認False）
5、batch_sampler：（數據類型 Sampler）
批量采樣，默認設置為None。但每次返回的是一批數據的索引（不是數據）。其和batch_size、shuffle 、sampler and drop_last參數是不兼容的。我想，應該是每次輸入網絡的數據是隨機采樣模式，這樣能使數據更具有獨立性質。所以，它和一捆一捆按順序輸入，數據洗牌，數據采樣，等模式是不兼容的。
6、sampler：（數據類型 Sampler）
采樣，默認設置為None。根據定義的策略從數據集中采樣輸入。如果定義采樣規則，則洗牌（shuffle）設置必須為False。
7、num_workers：（數據類型 Int）
工作者數量，默認是0。使用多少個子進程來導入數據。設置為0，就是使用主進程來導入數據。注意：這個數字必須是大於等於0的，負數估計會出錯。
8、pin_memory：（數據類型 bool）
內存寄存，默認為False。在數據返回前，是否將數據復制到CUDA內存中。
9、drop_last：（數據類型 bool）
丟棄最后數據，默認為False。設置了 batch_size 的數目后，最后一批數據的大小未必是設置的批大小，有可能會小些。這時你是否需要丟棄這批數據。
10、timeout：（數據類型 numeric）
超時，默認為0。是用來設置數據讀取的超時時間的，超過這個時間還沒讀取到數據的話就會報錯。 所以，數值必須大於等於0。
11、worker_init_fn（數據類型 callable ?）
子進程導入模式，默認為None。在數據導入前和步長結束后，根據工作子進程的ID逐個按順序導入數據。（線程數目）
12、
multiprocessing_context=None 【暫時不解】
與Dataset
Dataset是一個包裝類，可對數據進行張量（tensor）的封裝，其可作為DataLoader的參數傳入，進一步實現基於tensor的數據預處理。
參考
[1] pytorch：https://github.com/pytorch/pytorch
[2] dataloader：https://pytorch.org/docs/stable/_modules/torch/utils/data/dataloader.html
[3] https://blog.csdn.net/rogerfang/article/details/82291464
