本章节学习数据集，学习对不同的数据集加载方式、数据集常见操作和自定义数据集方法。

MindSpore提供基于Pipeline的数据引擎，通过数据集（Dataset）和数据变换（Transforms）实现高效的数据预处理。其中Dataset是Pipeline的起始，用于加载原始数据。mindspore.dataset提供了内置的文本、图像、音频等数据集加载接口，并提供了自定义数据集加载接口。MindSpore的领域开发库也提供了大量的预加载数据集，可以使用API一键下载使用。

• 数据集迭代

数据集迭代需要用create_tuple_iterator或create_dict_iterator接口创建数据迭代器，迭代访问数据。

• 数据集常用操作
  1、shuffle操作
  操作时，mindspore.dataset提供的数据集在加载时可配置shuffle=True
  2、map操作
  数据预处理的关键操作，可以针对数据集指定列（column）添加数据变换（Transforms），将数据变换应用于该列数据的每个元素，并返回包含变换后元素的新数据集。
  3、batch操作
  将数据集打包为固定大小的batch是在有限硬件资源下使用梯度下降进行模型优化的折中方法，可以保证梯度下降的随机性和优化计算量。

• 自定义数据集
  1、可随机访问数据集，包含了__getitem__和__len__方法，实现索引/键直接访问对应位置的数据样本
  2、可迭代数据集，包含了__iter__和__next__方法，可以通过迭代的方式逐步获取数据样本。这种类型的数据集特别适用于随机访问成本太高或者不可行的情况。
  3、生成器，直接依赖Python的生成器类型generator返回数据，直至生成器抛出StopIteration异常。

此章节学习到此结束，感谢昇思平台。