我有一个网络，我想在某个数据集上进行训练（例如，假设是CIFAR10）。我可以通过以下方式创建数据加载器对象：

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,                                        download=True, transform=transform)trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,                                          shuffle=True, num_workers=2)

我的问题如下：假设我想进行几次不同的训练迭代。比方说，我首先想用奇数位置的所有图像训练网络，然后用偶数位置的所有图像进行训练，依此类推。为了做到这一点，我需要能够访问这些图像。不幸的是，trainset似乎不允许这种访问。也就是说，尝试trainset[:1000]或者更一般的trainset[mask]会引发错误。

我可以这样做：

trainset.train_data=trainset.train_data[mask]trainset.train_labels=trainset.train_labels[mask]

然后

trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,                                              shuffle=True, num_workers=2)

然而，这将迫使我在每次迭代中创建完整数据集的新副本（因为我已经更改了trainset.train_data，所以我需要重新定义trainset）。有什么方法可以避免这种情况吗？

理想情况下，我希望有类似于以下内容的东西：

trainloader = torch.utils.data.DataLoader(trainset[mask], batch_size=4,                                              shuffle=True, num_workers=2)

回答：

您可以为数据集加载器定义一个自定义采样器，这样可以避免重新创建数据集（只需为每次不同的采样创建一个新的加载器）。

class YourSampler(Sampler):    def __init__(self, mask):        self.mask = mask    def __iter__(self):        return (self.indices[i] for i in torch.nonzero(self.mask))    def __len__(self):        return len(self.mask)trainset = torchvision.datasets.CIFAR10(root='./data', train=True,                                        download=True, transform=transform)sampler1 = YourSampler(your_mask)sampler2 = YourSampler(your_other_mask)trainloader_sampler1 = torch.utils.data.DataLoader(trainset, batch_size=4,                                          sampler = sampler1, shuffle=False, num_workers=2)trainloader_sampler2 = torch.utils.data.DataLoader(trainset, batch_size=4,                                          sampler = sampler2, shuffle=False, num_workers=2)

补充说明：您可以在这里找到更多信息：http://pytorch.org/docs/master/_modules/torch/utils/data/sampler.html#Sampler