在Torch中加载和处理数据集通常通过使用torch.utils.data.Dataset和torch.utils.data.DataLoader类来实现。以下是一个简单的示例代码：
import torch
from torch.utils.data import Dataset, DataLoader
# 定义自定义数据集类
class CustomDataset(Dataset):
def __init__(self):
# 初始化数据集
self.data = torch.randn(100, 10)
self.labels = torch.randint(0, 2, (100,))
def __len__(self):
# 返回数据集大小
return len(self.data)
def __getitem__(self, idx):
# 获取数据集中的一个样本
return self.data[idx], self.labels[idx]
# 创建数据集实例
dataset = CustomDataset()
# 创建数据加载器
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
# 遍历数据集
for data, labels in dataloader:
# 处理每个批次的数据
print(data.shape, labels.shape)
在上面的示例中，定义了一个自定义的数据集类CustomDataset，其中实现了__init__、__len__和__getitem__方法。然后创建了dataset实例和dataloader对象，并使用for循环遍历数据加载器，获取每个批次的数据。
