默认dataloader使用randomsampler，仅随机打乱索引而不考虑类别分布，导致多数类样本在batch中占比过高；weightedrandomsampler通过为样本分配权重（如类别倒数归一化后值）、设num_samples为数据集长度且replacement=true，使少数类被采样概率提升，从而平衡每epoch中各类曝光率。
为什么直接用DataLoader会采样不均衡？
默认情况下，DataLoader 使用 RandomSampler，它对每个 epoch 随机打乱整个数据集索引——但不会考虑类别分布。如果训练集里猫占 80%、狗占 20%，那每次 batch 里大概率还是猫多狗少，模型根本学不好少数类。
用WeightedRandomSampler强制按类别权重采样
这是最常用也最直接的解法：给每个样本分配一个权重，让 DataLoader 在采样时按权重概率选择。关键不是“让每类数量相等”，而是“让每类在每个 epoch 中被采样的总概率接近相等”。
- 先统计每类样本数，比如
class_counts = [1200, 300]（猫、狗） - 计算每个类别的倒数权重：
class_weights = [1/1200, 1/300] - 再为每个样本分配对应类别的权重：
samples_weight = [class_weights[label] for label in dataset.targets] - 传入
WeightedRandomSampler(weights=samples_weight, num_samples=len(dataset), replacement=True)
注意 replacement=True 必须设为 True，否则当少数类样本数远小于 batch_size 时，根本凑不够一个 batch；num_samples 通常设为原数据集长度，保证每个 epoch 的 batch 数不变。
Sampler 和 collate_fn 冲突吗？
不会冲突，但容易误用。如果你自定义了 collate_fn，它只负责把一批样本拼成 tensor，不影响采样逻辑。真正要检查的是：别在 collate_fn 里偷偷做重采样或过滤——那会和 WeightedRandomSampler 的行为叠加，导致实际分布失控。
- 常见错误：在
collate_fn里用random.sample截断 batch，破坏了 sampler 的权重意图 - 正确做法：所有采样逻辑只交给
Sampler，collate_fn只做 padding / stacking / type 转换 - 验证方式：打印几个 batch 的
labels统计值，看是否接近 1:1（或你设定的目标比例）
验证 sampler 是否真起作用？
别只信文档，动手验证最可靠。在训练循环前加一段测试代码：
loader = DataLoader(dataset, batch_size=32, sampler=weighted_sampler)
batch = next(iter(loader))
print("Label distribution:", torch.bincount(batch[1], minlength=len(class_counts)))
跑几次，观察输出是否稳定在目标比例附近。如果仍严重偏斜，大概率是 samples_weight 构造错了——比如用了类别 ID 当索引却没对齐 class_weights 列表顺序，或者 dataset.targets 返回的是字符串而非整数。
权重采样本身不改变数据集长度，也不做数据增强，它只是调整“看到谁”的概率。真正难的是怎么让模型在采样均衡后依然不过拟合少数类——那得靠 loss 加权、Focal Loss 或者专门的评估指标，不是 sampler 能解决的。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
