pytorch 實現(xiàn)多個Dataloader同時訓(xùn)練

from itertools import cycle

 import torch.utils.data as data
class VOCDetection(data.Dataset):
    '''
    必須繼承data.Dataset類
    '''
    def __init__(self):
        '''
        在這里進行初始化，一般是初始化文件路徑或文件列表
        '''
        pass
    def __getitem__(self, index):
        '''
        1. 按照index，讀取文件中對應(yīng)的數(shù)據(jù)  （讀取一個數(shù)據(jù)?。。?！我們常讀取的數(shù)據(jù)是圖片，一般我們送入模型的數(shù)據(jù)成批的，但在這里只是讀取一張圖片，成批后面會說到）
        2. 對讀取到的數(shù)據(jù)進行數(shù)據(jù)增強 (數(shù)據(jù)增強是深度學(xué)習中經(jīng)常用到的，可以提高模型的泛化能力)
        3. 返回數(shù)據(jù)對 （一般我們要返回 圖片，對應(yīng)的標簽） 在這里因為我沒有寫完整的代碼，返回值用 0 代替
        '''
        return 0
    def __len__(self):
        '''
        返回數(shù)據(jù)集的長度
        '''
        return 0

import torch.utils.data as data
import numpy as np
x = np.array(range(80)).reshape(8, 10) # 模擬輸入， 8個樣本，每個樣本長度為10
y = np.array(range(8))  # 模擬對應(yīng)樣本的標簽， 8個標簽 
class Mydataset(data.Dataset):
    def __init__(self, x, y):
        self.x = x
        self.y = y
        self.idx = list()
        for item in x:
            self.idx.append(item)
        pass
    def __getitem__(self, index):
        input_data = self.idx[index] #可繼續(xù)進行數(shù)據(jù)增強，這里沒有進行數(shù)據(jù)增強操作
        target = self.y[index]
        return input_data, target
    def __len__(self):
        return len(self.idx)
datasets = Mydataset(x, y)  # 初始化
print(datasets.__len__())  # 調(diào)用__len__() 返回數(shù)據(jù)的長度
for i in range(len(y)):
    input_data, target = datasets.__getitem__(i)  # 調(diào)用__getitem__(index) 返回讀取的數(shù)據(jù)對
    print('input_data%d =' % i, input_data)
    print('target%d = ' % i, target)

import torch.utils.data as data
import numpy as np
x = np.array(range(80)).reshape(8, 10) # 模擬輸入， 8個樣本，每個樣本長度為10
y = np.array(range(8))  # 模擬對應(yīng)樣本的標簽， 8個標簽
class Mydataset(data.Dataset):
    def __init__(self, x, y):
        self.x = x
        self.y = y
        self.idx = list()
        for item in x:
            self.idx.append(item)
        pass
    def __getitem__(self, index):
        input_data = self.idx[index]
        target = self.y[index]
        return input_data, target
    def __len__(self):
        return len(self.idx)
if __name__ ==('__main__'):
    datasets = Mydataset(x, y)  # 初始化
    dataloader = data.DataLoader(datasets, batch_size=4, num_workers=2) 
    for i, (input_data, target) in enumerate(dataloader):
        print('input_data%d' % i, input_data)
        print('target%d' % i, target)