PyTorch DataLoader 代码示例：数据加载与批次处理

由于 DataLoader 是 PyTorch 中的一个类，因此需要先导入相应的库，如下所示：

import torch
from torch.utils.data import DataLoader, Dataset

接着需要定义一个自定义的 Dataset 类，用于加载数据，如下所示：

class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data

    def __len__(self):
        return len(self.data)

    def __getitem__(self, idx):
        return self.data[idx]

这个自定义的 Dataset 类需要包含三个方法：init()、len() 和 getitem()。其中 init() 方法用于初始化数据，len() 方法用于返回数据集的长度，getitem() 方法用于返回指定索引的数据。

接着需要创建一个 DataLoader 对象，如下所示：

data = [1, 2, 3, 4, 5]
dataset = CustomDataset(data)
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)

这里创建了一个包含 5 个元素的数据集，然后使用 CustomDataset 类初始化了一个数据集对象。最后，使用 DataLoader 类初始化了一个 DataLoader 对象，其中 batch_size 参数用于指定每个 batch 的大小，shuffle 参数用于指定是否在每个 epoch 之前打乱数据。

最后，我们可以遍历 DataLoader 对象，如下所示：

for batch in dataloader:
    print(batch)

这里遍历了 DataLoader 对象，输出了每个 batch 的内容。由于我们在初始化 DataLoader 对象时指定了 batch_size 为 2，因此输出的结果应该是两个元素一组的。