# torch.utils.data # torch.utils.data ``` class torch.utils.data.Dataset ``` 表示Dataset的抽象類。 所有其他數據集都應該進行子類化。所有子類應該override`__len__`和`__getitem__`，前者提供了數據集的大小，后者支持整數索引，范圍從0到len(self)。 ``` class torch.utils.data.TensorDataset(data_tensor, target_tensor) ``` 包裝數據和目標張量的數據集。 通過沿著第一個維度索引兩個張量來恢復每個樣本。 **參數：** - **data\_tensor** (*Tensor*) － 包含樣本數據 - **target\_tensor** (*Tensor*) － 包含樣本目標（標簽） ``` class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False) ``` 數據加載器。組合數據集和采樣器，并在數據集上提供單進程或多進程迭代器。 **參數：** - **dataset** (*Dataset*) – 加載數據的數據集。 - **batch\_size** (*int*, optional) – 每個batch加載多少個樣本(默認: 1)。 - **shuffle** (*bool*, optional) – 設置為`True`時會在每個epoch重新打亂數據(默認: False). - **sampler** (*Sampler*, optional) – 定義從數據集中提取樣本的策略。如果指定，則忽略`shuffle`參數。 - **num\_workers** (*int*, optional) – 用多少個子進程加載數據。0表示數據將在主進程中加載(默認: 0) - **collate\_fn** (*callable*, optional) – - **pin\_memory** (*bool*, optional) – - **drop\_last** (*bool*, optional) – 如果數據集大小不能被batch size整除，則設置為True后可刪除最后一個不完整的batch。如果設為False并且數據集的大小不能被batch size整除，則最后一個batch將更小。(默認: False) ``` class torch.utils.data.sampler.Sampler(data_source) ``` 所有采樣器的基礎類。 每個采樣器子類必須提供一個`__iter__`方法，提供一種迭代數據集元素的索引的方法，以及返回迭代器長度的`__len__`方法。 ``` class torch.utils.data.sampler.SequentialSampler(data_source) ``` 樣本元素順序排列，始終以相同的順序。 **參數：** - **data\_source** (*Dataset*) – 采樣的數據集。 ``` class torch.utils.data.sampler.RandomSampler(data_source) ``` 樣本元素隨機，沒有替換。 **參數：** - **data\_source** (*Dataset*) – 采樣的數據集。 ``` class torch.utils.data.sampler.SubsetRandomSampler(indices) ``` 樣本元素從指定的索引列表中隨機抽取，沒有替換。 **參數：** - **indices** (*list*) – 索引的列表 ``` class torch.utils.data.sampler.WeightedRandomSampler(weights, num_samples, replacement=True) ``` 樣本元素來自于\[0,..,len(weights)-1\]，給定概率（weights）。 **參數：** - **weights** (*list*) – 權重列表。沒必要加起來為1 - **num\_samples** (*int*) – 抽樣數量