用途：优化数据加载管线，防止训练过程中 GPU 因等待数据而空转（GPU starvation）。适用于搭建 DataLoader 或进行数据预处理的场景。
主要能力与要点：
- 使用 num_workers = min(8, os.cpu_count()) 配置 DataLoader 的工作进程数。
- 使用 GPU 时启用 pin_memory=True。
- 使用 persistent_workers=True 以避免反复重新创建进程。
- 尽可能预先计算并缓存数据变换（transformations）。
- 处理图像数据时使用 torchvision.transforms.v2（更快）。
- 大规模数据集可考虑内存映射文件或 WebDataset。
- 使用 torch.utils.bottleneck 进行性能分析，以定位 I/O 瓶颈。
使用方式：在配置 DataLoader 与数据预处理流程时按上述建议设置参数，并结合性能分析工具排查瓶颈。
限制：资料未提供更多实现细节、版本要求、依赖安装命令或具体代码示例；具体适用范围和效果暂未提供。