Build my Dataset in Pytorch.

在使用Pytorch进行项目时，有时候需要读入自己的数据作为训练集和测试集，并按照自己指定的方式和格式处理。

Pytorch定义了Dataset类，在实际使用中可以通过继承Dataset类来构建数据集：

from torch.utils.data import Dataset, DataLoader

class myData(Dataset):
    def __init__(self):
        self.all_data = []  # 用于存放所有的数据
        for i in range(N):  # 遍历所有数据
            self.all_data.append([x, y])  # 将一个样本和标签为一组存放进去

    def __getitem__(self, index):  # 返回一个样本和标签
        return self.all_data[index][0], self.all_data[index][1]

    def __len__(self):  # 返回所有样本的数目
        return len(self.all_data)

定义数据集后，通过标准类实例化可以创建并加载数据：

myDataSet = myData()  # 实例化自己构建的数据集
train_loader = DataLoader(dataset=myDataSet, batch_size=BATCH_SIZE, shuffle=False)

创建数据集后，通过枚举获得数据并使用：

for iter, (data, label) in enumerate(train_loader):
    print(data.shape)
    print(label.shape)