PyTorch 通過 torch.utils.data 對一般常用的數據加載進行了封裝，可以很容易地實現多線程數據預讀和批量加載。並且 torchvision 已經預先實現了常用圖像數據集，包括前面使用過的 CIFAR-10, ImageNet, COCO, MNIST, LSUN 等數據集，可通過 torchvision.datasets 方便的調用。
Dataset
Dataset 是一個抽象類，爲了能夠方便的讀取，需要將使用的數據包裝爲 Dataset 類。自定義的 Dataset 需要繼承它並且實現兩個成員方法：
1、__getitem__() 該方法定義用索引 ( 0 到 len(self)) 獲取一條數據或一個樣本
2、__len__() 該方法返回數據集的總長度
下面我們使用 kaggle 上的一個競賽 bluebook for bulldozers 自定義一個數據集，爲了方便介紹，我們使用裏面的數據字典來做說明（因爲條數少）
# 至此，我們的數據集已經定義完成了，我們可以實例話一個對象訪問它。
# 我們可以直接使用如下命令查看數據集數據。
自定義的數據集已經創建好了，下面我們使用官方提供的數據載入器，讀取數據。
Dataloader
Dataloader 爲我們提供了對 Dataset 的讀取操作，常用參數有：batch_size（每個 bath 的大小）、 shuffle（是否進行 shuffle 操作）、 num_workers（加載數據的時候使用幾個子進程）。下面做一個簡單的操作
DataLoader 返回的是一個可迭代對象，我們可以使用迭代器分次獲取數據。
# 常見的用法是使用 for 循環對其進行遍歷
我們已經可以通過 dataset 定義數據集，並使用 Dataloader 載入和遍歷數據集，除了這些以外， PyTorch 還提供能 torchvision 的計算機視覺擴展包。
torchvision 包
torchvision 是 PyTorch 中專門用來處理圖像的庫， PyTorch 官網的安裝教程中最後的 pip install torchvision 就是安裝這個包。
Torchvision.datasets
Torchvision.datasets 可以理解爲 PyTorch 團隊自定義的 dataset, 這些 dataset 幫我們提前處理好了很多的圖片數據集，我們拿來就可以直接使用：
我們可以直接使用，示例如下：
torchvision.models
Torchvision 不僅提供了常用圖片數據集，還提供了訓練好的模型，可以加載之後，直接使用，或者在進行遷移學習 torchvision.models 模塊的子模塊中包含以下子模型結構。
torchvision.transforms
transforms 模塊提供了一般的圖像轉換操作類，用作數據處理和數據增強
(0.485,0.456,0.406), (0.2023,0.1994,0.2010) 這幾個數字是根據 ImageNet 訓練的歸一化參數均值和方差。