1 问题
Dataloader有哪些使用方法？
2 方法
构建dataset类
在构建数据集类时，除了__init__(self)，还要有__len__(self)与__getitem__(self,item)两个方法，这三个是必不可少的，至于其它用于数据处理的函数，可以任意定义。
class dataset: def __init__(self,...): ... def __len__(self,...): return n def __getitem__(self,item): return data[item]
正常情况下，该数据集是要继承Pytorch中Dataset类的，但实际操作中，即使不继承，数据集类构建后仍可以用Dataloader()加载的。
在dataset类中，__len__(self)返回数据集中数据个数，__getitem__(self,item)表示每次返回第item条数据。
二：DataLoader使用
在构建dataset类后，即可使用DataLoader加载。DataLoader中常用参数如下：
1.dataset：需要载入的数据集，如前面构造的dataset类。
2.batch_size：批大小，在神经网络训练时我们很少逐条数据训练，而是几条数据作为一个batch进行训练。
3.shuffle：是否在打乱数据集样本顺序。True为打乱，False反之。
4.drop_last：是否舍去最后一个batch的数据(很多情况下数据总数N与batch size不整除，导致最后一个batch不为batch size)。True为舍去，False反之。
3 结语
在Pytorch中，torch.utils.data中的Dataset与DataLoader是处理数据集的两个函数，用来处理加载数据集。通常情况下，使用的关键在于构建dataset类。