pytorch利用dataloader封装长度不同视频数据集

在这里的话，我是为了将数据集读取一个batch出来的时候以一个张量的列表的形式取出数据，每个batch中的数据都是一个不等长的张量，其shape为：
（time sequence,channel,width,height）
由于在之后的网络中利用torch.nn.utils.rnn.pad_sequence进行了补全处理，所以取数据的时候不需要处理也可以，具体的实现方法就是写一个collate_fn进行取数据，然后在dataloader中将这个参数传入：

def collate_fn(batch_x):
    imgs,tgts=[],[]
    for (img,tgt) in batch_x:
        imgs.append(img)
        tgts.append(tgt)
    return (imgs,tgts)

train_data=DataLoader(train_datasets,batch_size,shuffle=True,collate_fn=collate_fn)        

进行如上操作之后取出来的数据就是上述的数据结构。