深度学习技术栈 —— Pytorch之TensorDataset、DataLoader 前言一、TensorDataset、DataLoader的用法？二、从.csv文件-->tensor张量总结 前言 简单来说，TensorDataset与DataLoader这两个类的作用， 就是将数据读入并做整合，以便交给模型处理。就像石油加工厂一样，你不关心石油是如何采集与加工的，你关

data.TensorDataset 是 PyTorch 中的一个类，用于创建一个包含多个张量的数据集。这个类的主要作用是将输入的张量组合成一个数据集，使得在训练过程中可以方便地进行数据加载和迭代。 具体来说，TensorDataset 接受一系列的张量作为输入参数，并且将这些张量作为数据集的元素。在实际应用中，通常将特征张量和标签张量作为输入，每个样本的特征和标签分别对应一个位置上的张量。

目录 导包 数据集 下载数据集 数据集特点分析 torchvision.datasets.ImageFolder() 数据集整理 思路 根据图片名读标签 建立标签子文件夹 数据集划分 调用数据集处理函数 读取数据集  torchvision.datasets.ImageFolder()源码及解读 源码 解读 torchvision.datasets.ImageFol