释放双眼，带上耳机，听听看~！
本文解析了PyTorch中Dataset、DataLoader、Sampler三个类之间的关系和作用，帮助读者更好地理解和使用PyTorch数据加载工具。同时还讨论了数据组织和采样对训练速率的影响。
两个引子：
最近学习RNN（循环神经网络），在进行Pytorch的代码实现时，发现文本数据的读取与图像数据的读取有较大的区别，通过上网查阅资料与文档并简要阅读原码，对Pytorch中Dataset、DataLoader、Sampler三个类进行了浅要分析。
另外，如何组织数据是一个很重要的问题，在SGD（随机梯度下降）的过程中，batch的大小对训练的速率有较大的影响，因此如何对数据集进行采样，也是一个重要的问题。
三者间的关系
废话不多说，先用一张图来解释他们间的关系
Pytorch官网文档对于这三个类相关介绍的第一句话就是：
At the heart of PyTorch data loading utility is the PyTorch 源码解读之 torch.utils.data：解析数据处理全流程 – 知乎 (zhihu.com)
一文弄懂Pytorch的DataLoader, DataSet, Sampler之间的关系 – 知乎 (zhihu.com) torch.utils.data — PyTorch 1.13 documentation
本网站的内容主要来自互联网上的各种资源，仅供参考和信息分享之用，不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益，请联系我们，我们将尽快采取行动，包括删除或更正。
