不同自定义的dataset，生成的dataloader用tqdm和enumerate如何读取

之前遇到的问题是，我自己定义了dataset的类，类似于下面的代码

class DealDataset(Dataset):
    """
        下载数据、初始化数据，都可以在这里完成
    """
    def __init__(self):
        xy = np.loadtxt('../dataSet/diabetes.csv.gz', delimiter=',', dtype=np.float32) # 使用numpy读取数据
        self.x_data = torch.from_numpy(xy[:, 0:-1])
        self.y_data = torch.from_numpy(xy[:, [-1]])
        self.len = xy.shape[0]
    
    def __getitem__(self, index):
        x_data=self.x_data[index]
        y_data=self.y_data[index]
        return {'x_data':x_data,'y_data':y_data}

    def __len__(self):
        return self.len

这样就在读取上非常迷惑，不知道用enumerate和tqdm要怎么读数据，搞清楚后在这里简要记录一下对应关系

1.return {'x_data':x_data,'y_data':y_data}，

目前只会用enemerate读取

for i, data in enumerate(train_loader):
        x_data, y_data= data['x_data'], data['y_data']

2.把return改变，改为return self.x_data[index],self.y_data[index]

这样tqdm读取

for x_data,y_data in tqdm(train_loader):

enumerate读取

for idx,data in enumerate(train_loader):
    x_label=data[0]
    y_label=data[1]

另外，除了放在batch那里，tqdm也可以放在epoch的循环那里

for epoch in tqdm(range(100)):