pytorch中的基础数据集

常见的数据集Pascal VOC/COCO

DataLoader

DataLoader( dataset,

含义：指定要加载的数据集，它必须是 torch.utils.data.Dataset 类的子类实例。Dataset 类定义了如何获取单个样本以及数据集的长度，DataLoader 会基于这个数据集进行数据的批量加载。

batch_size=1,

batch_size：
- 含义：每个批次加载的样本数量，默认值为 1。在训练神经网络时，通常会将多个样本组成一个批次一起输入到模型中，以提高训练效率和稳定性。
- 示例：dataloader = DataLoader(dataset, batch_size=10)

shuffle=False,

含义：布尔类型参数，若设置为 True，则在每个 epoch 开始时打乱数据集的顺序，有助于模型更好地学习数据的分布，提高模型的泛化能力，默认值为 False。
示例：dataloader = DataLoader(dataset, batch_size=10, shuffle=True)

sampler=None,

sampler：
含义：自定义采样器，用于指定如何从数据集中采样样本。如果指定了 sampler，则 shuffle 参数将被忽略。采样器必须是 torch.utils.data.Sampler 类的子类实例。

batch_sampler=None,

batch_sampler：

含义：自定义批次采样器，用于指定如何将样本组合成批次。如果指定了 batch_sampler，则 batch_size、shuffle、sampler 和 drop_last 参数将被忽略。批次采样器必须是 torch.utils.data.BatchSampler 类的子类实例。

num_workers=0,

num_workers：
- 含义：用于数据加载的子进程数量，设置为大于 0 的值可以实现并行数据加载，提高数据加载速度。默认值为 0，表示在主进程中加载数据。在使用多进程加载时，需要注意内存和 CPU 资源的使用情况。
- 示例：dataloader = DataLoader(dataset, batch_size=10, num_workers=4)

collate_fn=None,

collate_fn：

含义：用于将多个样本组合成一个批次的函数。默认情况下，DataLoader 会使用一个简单的默认函数将样本组合成批次，但在处理一些特殊的数据类型或结构时，可能需要自定义 collate_fn 函数。

pin_memory=False, drop_last=False,

pin_memory：
- 含义：布尔类型参数，若设置为 True，则会将数据样本在返回前固定到 CUDA 页锁定内存中，这样可以加快数据从 CPU 到 GPU 的传输速度，适用于使用 GPU 进行训练的场景，默认值为 False。
- 示例：dataloader = DataLoader(dataset, batch_size=10, pin_memory=True)

timeout=0, worker_init_fn=None,

timeout：
- 含义：在多进程数据加载时，等待从工作进程获取数据的超时时间（单位：秒）。如果在指定的时间内没有获取到数据，则会抛出 TimeoutError 异常。默认值为 0，表示不设置超时时间。
- 示例：dataloader = DataLoader(dataset, batch_size=10, num_workers=4, timeout=1)

multiprocessing_context=None,

multiprocessing_context：

含义：指定多进程的上下文，可以是 'fork'、'spawn' 或 'forkserver' 等。不同的上下文适用于不同的操作系统和场景，默认情况下会根据操作系统自动选择合适的上下文。

generator=None,

generator：

prefetch_factor=2,

prefetch_factor：

persistent_workers=False )

persistent_workers ：

含义：布尔类型参数，若设置为 True，则在每个 epoch 结束后，工作进程不会被销毁，而是保持存活状态，这样可以减少进程创建和销毁的开销，提高数据加载效率，默认值为 False。