（1） TensorDataset

       TensorDataset 可以用来对 tensor 进行打包，就好像 python 中的 zip 功能。该类通过每一个 tensor 的第一个维度进行索引。因此，该类中的 tensor 第一维度必须相等。

from torch.utils.data import TensorDataset

import torch

from torch.utils.data import DataLoader

a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9]])

b = torch.tensor([44, 55, 66, 44, 55, 66, 44, 55, 66, 44, 55, 66])

train_ids = TensorDataset(a, b) #相当于zip函数

# 切片输出

print(train_ids[0:1])

print('=' * 60)

# 循环取数据

for x_train, y_label in train_ids:

    print(x_train, y_label)

# DataLoader进行数据封装

print('=' * 60)

train_loader = DataLoader(dataset=train_ids, batch_size=4, shuffle=True)  #shuffle参数：打乱数据顺序

for i, data in enumerate(train_loader, 1):  # 注意enumerate返回值有两个,一个是序号，一个是数据（包含训练数据和标签）,参数1是设置从1开始编号

    x_data, label = data

    print(' batch:{0} x_data:{1}  label: {2}'.format(i, x_data, label))

参考博客：https://blog.csdn.net/qq_40211493/article/details/107529148

（2）DataLoader

DataLoader就是用来包装所使用的数据，每次抛出一批数据

import torch

import torch.utils.data as Data

BATCH_SIZE = 5

x = torch.linspace(1, 10, 10)

y = torch.linspace(10, 1, 10)

# 把数据放在数据库中

torch_dataset = Data.TensorDataset(x, y)

loader = Data.DataLoader(

    # 从数据库中每次抽出batch size个样本

    dataset=torch_dataset,

    batch_size=BATCH_SIZE,

    shuffle=True,

    num_workers=0,

)

def show_batch():

    for epoch in range(10):

        for step, (batch_x, batch_y) in enumerate(loader):

            # training

            print("steop:{}, batch_x:{}, batch_y:{}".format(step, batch_x, batch_y)) #方便输出

if __name__ == '__main__':

    show_batch()

参考博客：https://www.cnblogs.com/demo-deng/p/10623334.html

点滴分享，福泽你我！Add oil！