PyTorch的數據加載方式有多種，常用的包括以下幾種：
torch.utils.data.Dataset：該類是PyTorch中的抽象類，用于表示數據集。用戶可以根據自己的數據特點，繼承該類并實現自己的數據集類。需要實現的方法包括__getitem__和__len__，分別用于獲取數據和返回數據集的大小。
torch.utils.data.DataLoader：該類用于將數據集加載到模型中。DataLoader可以設置批次大小（batch size）、線程數（num_workers）、是否進行數據打亂（shuffle）、是否使用GPU等參數。通過DataLoader加載的數據會被自動劃分為mini-batch，并提供多線程異步加載數據的功能。
torchvision.datasets：PyTorch提供了一些常見的數據集，如MNIST、CIFAR-10等。這些數據集可以通過torchvision.datasets模塊直接加載，并且已經進行了預處理，可以直接用于訓練模型。
torchvision.transforms：該模塊提供了一系列數據預處理的操作，可以對輸入數據進行常見的變換，例如裁剪、縮放、翻轉、標準化等。可以通過組合不同的transform來對數據進行預處理。
總結來說，PyTorch的數據加載方式可以通過自定義數據集類和DataLoader來加載用戶自定義的數據，也可以使用torchvision.datasets加載已有的常見數據集，同時可以使用torchvision.transforms對數據進行預處理。
