这篇教程我对PyTorch dataloader里的shuffle=True的理解写得很实用，希望能帮到您。
对shuffle=True的理解：之前不了解shuffle的实际效果，假设有数据a,b,c,d，不知道batch_size=2后打乱，具体是如下哪一种情况： 1.先按顺序取batch，对batch内打乱，即先取a,b，a,b进行打乱； 2.先打乱，再取batch。 证明是第二种shuffle (bool, optional): set to ``True`` to have the data reshuffled at every epoch (default: ``False``).if shuffle: sampler = RandomSampler(dataset) #此时得到的是索引 补充：简单测试一下pytorch dataloader里的shuffle=True是如何工作的 看代码吧~import sysimport torchimport randomimport argparseimport numpy as npimport pandas as pdimport torch.nn as nnfrom torch.nn import functional as Ffrom torch.optim import lr_schedulerfrom torchvision import datasets, transformsfrom torch.utils.data import TensorDataset, DataLoader, Dataset class DealDataset(Dataset): def __init__(self): xy = np.loadtxt(open('./iris.csv','rb'), delimiter=',', dtype=np.float32) #data = pd.read_csv("iris.csv",header=None) #xy = data.values self.x_data = torch.from_numpy(xy[:, 0:-1]) self.y_data = torch.from_numpy(xy[:, [-1]]) self.len = xy.shape[0] def __getitem__(self, index): return self.x_data[index], self.y_data[index] def __len__(self): return self.len dealDataset = DealDataset() train_loader2 = DataLoader(dataset=dealDataset, batch_size=2, shuffle=True)#print(dealDataset.x_data)for i, data in enumerate(train_loader2): inputs, labels = data #inputs, labels = Variable(inputs), Variable(labels) print(inputs) #print("epoch：", epoch, "的第" , i, "个inputs", inputs.data.size(), "labels", labels.data.size())简易数据集  
shuffle之后的结果，每次都是随机打乱，然后分成大小为n的若干个mini-batch. 
以上为个人经验，希望能给大家一个参考，也希望大家多多支持51zixue.net。
Python快速优雅的批量修改Word文档样式
Python深度学习之Pytorch初步使用 |
