torch.utils.data.DataLoader参数介绍

torch.utils.data.DataLoader 是 PyTorch 用于加载数据的重要工具，特别是在深度学习模型训练中。它可以高效地处理大规模数据集，并支持多线程数据加载。以下是 DataLoader 的关键参数及其功能：

主要参数

1. dataset:

   • 要加载的数据集，可以是 PyTorch 自带的 torch.utils.data.Dataset 类的子类，如 torchvision.datasets，或者用户自定义的数据集。

2. batch_size:

   • 每个批次加载的数据量大小。默认是 1。
   • 例如，batch_size=32 表示每次加载 32 个样本用于训练。

3. shuffle:

   • 是否对数据进行随机打乱，通常在训练集上设置为 True，在验证集或测试集上设置为 False。

4. num_workers:

   • 用于数据加载的子进程数量。默认是 0，即使用主线程加载数据。
   • 设置为大于 0 的数值可以开启多进程（或多线程）加载数据，通常这会加快数据加载速度，尤其是在 I/O 操作较多的情况下。

5. pin_memory:

   • 如果设置为