模型训练-----数据处理

参考链接：https://blog.csdn.net/lqz790192593/article/details/89762081
https://www.cnblogs.com/qyh1499816254/p/11356887.html

在DataLoader 中，iter(dataloader) 返回的是一个 DataLoaderIter 对象， 这个才是我们一直 next的 对象。
# 
# 这个DataLoaderIter其实就是DataLoader类的__iter__()方法的返回值：

DataLoader()的各个参数含义如下：

1.  dataset：加载的数据集，这个从DataSet()函数而来。
2.  batch_size：batch size，设定每次训练迭代时加载的数据量。
3.  shuffle:：是否将数据打乱
4.  sampler： 样本抽样
5.  num_workers：使用多进程加载的进程数，0代表不使用多进程，设定多进程可以使得加载数据时更加快速。
6.  collate_fn： 如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式即可

7.  pin_memory：是否将数据（tensor）保存在pin memory区，pin memory中的数据转到GPU中会快一些
8.  drop_last：dataset中的数据个数可能不是batch_size的整数倍，drop_last为True会将多出来不足一个batch的数据丢弃，False表示不丢弃。

from multiprocessing import Queue

multiprocessing.Queue()

Queue([maxsize])
创建共享的进程队列。maxsize是队列中允许的最大项数。如果省略此参数，则无大小限制。底层队列使用管道和锁定实现。另外，还需要运行支持线程以便队列中的数据传输到底层管道中。