数据集抽象(链接器数据集)
Chainer支持数据集培训和验证的通用接口。数据集支持由三个组件组成：数据集、迭代器和批处理转换函数。
数据集表示一组示例。接口只能通过与要在其上使用的迭代器组合来确定。Chainer的内置迭代器需要数据集支持__获取项目__和__伦__方法。特别是__获取项目__方法应支持通过整数和切片进行索引。我们可以通过继承轻松支持切片索引数据集混合，在这种情况下，用户只需实现获取示例（_E）索引方法。基本上，数据集被视为无国籍的对象，这样我们就不需要将数据集保存为训练过程的检查点。
迭代器对数据集进行迭代，在每次迭代时，它都会生成一个小样本列表。迭代器应支持迭代器接口，其中包括Python的标准迭代器协议。迭代器管理下一步的阅读位置，这意味着它们是有状态的.
批量转换功能将微型支架转换为阵列，以馈送到神经网络。他们还负责将每个阵列发送到适当的设备。Chainer目前提供了两种实现：
这些组件都是可定制的，并且设计为具有最小的接口来限制数据集的类型和处理方式。不过，在大多数情况下，Chainer本身提供的实现足以涵盖这些用法。
Chainer还有一个轻量级系统来下载、管理和缓存数据集的具体示例。通过系统管理的所有数据集都保存在数据集根目录，由CHAINER_DATASET_ROOT连锁店环境变量，也可以通过set_dataset_root（）功能。
数据集示例(链接器.数据集)
最基本的数据集实现是一个数组。NumPy和CuPy数组都可以直接用作数据集。
然而，在许多情况下，简单的数组不足以编写训练过程。为了涵盖大多数此类情况，Chainer提供了许多内置的数据集实现。
这些内置数据集分为两组。一个是一组通用数据集。其中大多数是其他数据集的包装器，用于向每个数据点引入一些结构（例如元组或dict）。另一个是一组具体的、流行的数据集。这些具体示例使用链接器数据集模块缓存下载和转换的数据集。