import torch
import numpy as np

# 定義GetLoader類，繼承Dataset方法，并重寫__getitem__()和__len__()方法
class GetLoader(torch.utils.data.Dataset):
	# 初始化函數(shù)，得到數(shù)據(jù)
    def __init__(self, data_root, data_label):
        self.data = data_root
        self.label = data_label
    # index是根據(jù)batchsize劃分?jǐn)?shù)據(jù)后得到的索引，最后將data和對(duì)應(yīng)的labels進(jìn)行一起返回
    def __getitem__(self, index):
        data = self.data[index]
        labels = self.label[index]
        return data, labels
    # 該函數(shù)返回?cái)?shù)據(jù)大小長(zhǎng)度，目的是DataLoader方便劃分，如果不知道大小，DataLoader會(huì)一臉懵逼
    def __len__(self):
        return len(self.data)

# 隨機(jī)生成數(shù)據(jù)，大小為10 * 20列
source_data = np.random.rand(10, 20)
# 隨機(jī)生成標(biāo)簽，大小為10 * 1列
source_label = np.random.randint(0,2,(10, 1))
# 通過(guò)GetLoader將數(shù)據(jù)進(jìn)行加載，返回Dataset對(duì)象，包含data和labels
torch_data = GetLoader(source_data, source_label)

torch.utils.data.DataLoader(dataset,batch_size,shuffle,drop_last，num_workers)

from torch.utils.data import DataLoader

# 讀取數(shù)據(jù)
datas = DataLoader(torch_data, batch_size=6, shuffle=True, drop_last=False, num_workers=2)

for i, data in enumerate(datas):
	# i表示第幾個(gè)batch， data表示該batch對(duì)應(yīng)的數(shù)據(jù)，包含data和對(duì)應(yīng)的labels
    print("第 {} 個(gè)Batch \n{}".format(i, data))

# 表示輸出數(shù)據(jù)
print(data[0])
# 表示輸出標(biāo)簽
print(data[1])