就是数据加载器，结合了数据集和取样器，并且可以提供多个线程处理数据集。在训练模型时使用到此函数，用来把训练数据分成多个小组，此函数每次抛出一组数据。直至把所有的数据都抛出。就是做一个数据的初始化。
生成迭代数据非常方便，请看如下示例：
"""批训练，把数据变成一小批一小批数据进行训练。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 DataBATCH_SIZE = 5x = 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=2,
)def show_batch():for epoch in range(3):for step, (batch_x, batch_y) in enumerate(loader):# trainingprint("steop:{}, batch_x:{}, batch_y:{}".format(step, batch_x, batch_y))if __name__ == '__main__':show_batch()
结果：
我们来看一下变量类型：
