H5文件读取：
import torch.utils.dataasdataimporttorchimporth5pyclassdatasetfromhdf5(data.dataset ) : def _ _ init _ (self文件self(_init_ () HF=H5py.file ) file_path ) self.data=HF.get ) data ' (self.target=HF.get ) ) data ex， ] ).float )，torch.from_numpy ) )。]] ).float(def_len_(self ) :在return self.data.shape [0]中调用时，首先在DataLoader中对数据进行training _ dadare
train _ set=datasetfromhdf5(r ' d : (pycharmprojects (py torch-vdsr-master (data (train.H5 ) ) training ) )。 num_workers=opt.threads、batch_size=opt.batchSize、shuffle=True )在使用数据训练时写入循环，而iteration从1开始
input和target是取出的输入和想要得到的输出，这里的返回顺序由以上的DatasetFromHdf5定义。
def_getitem_(self，index ) : return torch.from _ numpy self.data [ index， ] ).3360 :]
在这里，索引每次都应该在第一个维度中检索data中的数值。 data[index， ]本来维度为100014141，每次取114141。 根据batch的说法，每次取出的是batch14141
for iteration，batchinenumerate (training _ data _ loader，1 ) : input，target=variable ) batch[0]，variable )