dataloader参数

Dataloader是PyTorch中用于高效加载数据的工具，其核心参数包括： 1. **batch_size**：每批次加载的样本数量，影响内存使用和训练效率。 2. **shuffle**：是否打乱数据顺序，常用于训练集以避免模型学习序列偏差。 3. **num_workers**：子进程数量，加速数据加载（多线程并行），但过多可能导致资源竞争。 4. **drop_last**：是否丢弃最后不足一个batch的数据，确保批次尺寸一致。 5. **sampler**：自定义采样策略（如分布式训练需用DistributedSampler）。 6. **pin_memory**：是否将数据固定到锁页内存，加速GPU传输（需搭配CUDA）。 7. **collate_fn**：自定义批次合并逻辑，处理非规整数据（如变长序列）。合理配置这些参数可优化训练性能与资源利用率。