本文主要说明pytorch框架中utils.data.TensorDataset和utils.data.DataLoader两个工具类的用法。
一、定义
1、TensorDataset类：是torch中util.data包下面的一个工具类，用于把特征和标签整合一个数据集，便于将整个数据集拆分小批量数据集，用于后续小批量梯度下降训练。其输入参数是可变参数，可接受一个或多个张量数据。
2、DataLoader类：是torch中util.data包下面的一个工具类，用于将TensorDataset整合的数据集（比较大，比如1000个特征和1000个标签）划分为小批量数据级，比如批量大小为10，就会划分为100个。
DataLoader函数的参数后面如下：来源于pytorch中文文档， pytorch-cn.readthedocs.io/zh/latest/p…
在使用中，一般指定dataset, batch_size, shuffle三个参数即可。
二、实战
首先导入torch和torch.utils库，然后验证输入为一个张量的情况
再验证输入为两个张量（一个是特征，另一个是标签）的情况
利用TensorDataset()将上述定义的特征和标签合并为一个数据集，从循环打印的结果可以看到，数据集包括6组特征和对应的6组标签。
将数据集中的值打乱顺序，划分为3个批量大小为2的数据集
至此，utils.data.TensorDataset和utils.data.DataLoader两个工具类验证完毕。
