Pytorch使用Dataloader加载自己的数据集train_X和train_Y
1.重构一个新的dataloader函数
# 定义GetLoader类，继承Dataset方法，并重写__getitem__()和__len__()方法
class GetLoader(torch.utils.data.Dataset):
# 初始化函数，得到数据
def __init__(self, data_root, data_label):
self.data = data_root
self.label = data_label
# index是根据batchsize划分数据后得到的索引，最后将data和对应的labels进行一起返回
def __getitem__(self, index):
data = self.data[index]
labels = self.label[index]
return data, labels
# 该函数返回数据大小长度，目的是DataLoader方便划分，如果不知道大小，DataLoader会一脸懵逼
def __len__(self):
return len(self.data)
2.调用
train_data= GetLoader(train_X, train_Y)
train_loader=DataLoader(dataset=train_data,batch_size=50, shuffle=True, num_workers=0)
#这里只写了train_X和train_Y的，test_X和test_Y的类似
for data,labels in train_loader:
pass # 在这里就可以正常操作啦
