译者：BXuan694

class torch.utils.data.Dataset

表示数据集的抽象类。

所有用到的数据集都必须是其子类。这些子类都必须重写以下方法：__len__：定义了数据集的规模；__getitem__：支持0到len(self)范围内的整数索引。

class torch.utils.data.TensorDataset(*tensors)

用于张量封装的Dataset类。

张量可以沿第一个维度划分为样例之后进行检索。

参数：	*tensors (Tensor) – 第一个维度相同的张量。

class torch.utils.data.ConcatDataset(datasets)

用于融合不同数据集的Dataset类。目的：组合不同的现有数据集，鉴于融合操作是同时执行的，数据集规模可以很大。

参数：	datasets（序列）– 要融合的数据集列表。

class torch.utils.data.Subset(dataset, indices)

用索引指定的数据集子集。

参数：

dataset（Dataset）– 原数据集。
indices（序列）– 全集中选择作为子集的索引。

class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None)

数据加载器。组合数据集和采样器，并在数据集上提供单进程或多进程迭代器。

参数：

dataset（Dataset) – 要加载数据的数据集。
batch_size（int, 可选) – 每一批要加载多少数据（默认：1）。
shuffle（bool, 可选) – 如果每一个epoch内要打乱数据，就设置为True（默认：False）。
sampler（Sampler, 可选）– 定义了从数据集采数据的策略。如果这一选项指定了，shuffle必须是False。
batch_sampler（Sampler, 可选）– 类似于sampler，但是每次返回一批索引。和batch_size，shuffle，sampler，drop_last互相冲突。
num_workers（int, 可选) – 加载数据的子进程数量。0表示主进程加载数据（默认：0）。
collate_fn（可调用 , 可选）– 归并样例列表来组成小批。
pin_memory（bool, 可选）– 如果设置为True，数据加载器会在返回前将张量拷贝到CUDA锁页内存。
drop_last（bool, 可选）– 如果数据集的大小不能不能被批大小整除，该选项设为True后不会把最后的残缺批作为输入；如果设置为False，最后一个批将会稍微小一点。（默认：False）
timeout（数值 , 可选） – 如果是正数，即为收集一个批数据的时间限制。必须非负。（默认：0）
worker_init_fn（可调用 , 可选）– 如果不是None，每个worker子进程都会使用worker id（在[0, num_workers - 1]内的整数）进行调用作为输入，这一过程发生在设置种子之后、加载数据之前。（默认：None）

注意：

默认地，每个worker都会有各自的PyTorch种子，设置方法是base_seed + worker_id，其中base_seed是主进程通过随机数生成器生成的long型数。而其它库（如NumPy）的种子可能由初始worker复制得到, 使得每一个worker返回相同的种子。（见FAQ中的My data loader workers return identical random numbers部分。）你可以用 torch.initial_seed()查看worker_init_fn中每个worker的PyTorch种子，也可以在加载数据之前设置其他种子。

警告：

如果使用了spawn方法，那么worker_init_fn不能是不可序列化对象，如lambda函数。

torch.utils.data.random_split(dataset, lengths)

以给定的长度将数据集随机划分为不重叠的子数据集。

参数：

dataset (Dataset) – 要划分的数据集。
lengths（序列）– 要划分的长度。

class torch.utils.data.Sampler(data_source)

所有采样器的基类。

每个Sampler子类必须提供__iter__方法，以便基于索引迭代数据集元素，同时__len__方法可以返回数据集大小。

class torch.utils.data.SequentialSampler(data_source)

以相同的顺序依次采样。

参数：	data_source (Dataset) – 要从中采样的数据集。

class torch.utils.data.RandomSampler(data_source, replacement=False, num_samples=None)

随机采样元素。如果replacement不设置，则从打乱之后的数据集采样。如果replacement设置了，那么用户可以指定num_samples来采样。

参数：

data_source (Dataset) – 要从中采样的数据集。
num_samples (int) – 采样的样本数，默认为len(dataset)。
replacement (bool) – 如果设置为True，替换采样。默认False。

class torch.utils.data.SubsetRandomSampler(indices)

从给定的索引列表中采样，不替换。

参数：	indices（序列）– 索引序列

class torch.utils.data.WeightedRandomSampler(weights, num_samples, replacement=True)

样本元素来自[0,..,len(weights)-1]，，给定概率(权重)。

参数：

weights（序列) – 权重序列，不需要和为1。
num_samples (int) – 采样数。
replacement (bool) – 如果是True，替换采样。否则不替换，即：如果某个样本索引已经采过了，那么不会继续被采。

class torch.utils.data.BatchSampler(sampler, batch_size, drop_last)

打包采样器来获得小批。

参数：

sampler（Sampler）– 基采样器。
batch_size（int）– 小批的规模。
drop_last（bool）– 如果设置为True，采样器会丢弃最后一个不够batch_size的小批（如果存在的话）。

示例

>>> list(BatchSampler(SequentialSampler(range(10)), batch_size=3, drop_last=False))
[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9]]
>>> list(BatchSampler(SequentialSampler(range(10)), batch_size=3, drop_last=True))
[[0, 1, 2], [3, 4, 5], [6, 7, 8]]

class torch.utils.data.distributed.DistributedSampler(dataset, num_replicas=None, rank=None)

将数据加载限制到数据集子集的采样器。

和torch.nn.parallel.DistributedDataParallel同时使用时尤其有效。在这中情况下，每个进程会传递一个DistributedSampler实例作为DataLoader采样器，并加载独占的原始数据集的子集。

注意：

假设数据集的大小不变。

参数：

dataset – 采样的数据集。
num_replicas（可选）– 参与分布式训练的进程数。
rank（可选）– num_replicas中当前进程的等级。