这里的问题既不在于 deque 的使用，也不在于数据集是动态可增长的。问题是，你从一个大小为零的数据集开始-这是无效的。
最简单的解决方案是从deque中的任意对象开始，然后动态地删除它。

空数据集可以定义如下：

from torch.utils.data import DataLoader, Dataset

class EmptyDataset(Dataset):
    def __init__(self):
        pass

    def __len__(self):
        return 0

    def __getitem__(self, index):
        raise IndexError("Empty dataset cannot be indexed")

可以使用shuffle=False创建/使用加载器：

>>> loader = DataLoader(EmptyDataset(), batch_size=16, shuffle=False)

迭代也很好：

for batch in loader:
    print(batch)

shuffle=True呢？

但是，当您指定shuffle=True时，它会中断RandomSampler：

>>> loader = DataLoader(EmptyDataset(), batch_size=16, shuffle=True)
ValueError: num_samples should be a positive integer value, but got num_samples=0

作为一种解决方法，您可以创建自己的采样器，并将相关的错误检查从self.num_samples <= 0调整为self.num_samples < 0：

from torch.utils.data import RandomSampler

class MyRandomSampler(RandomSampler):
    r"""Samples elements randomly. If without replacement, then sample from a shuffled dataset.
    If with replacement, then user can specify :attr:`num_samples` to draw.

    Args:
        data_source (Dataset): dataset to sample from
        replacement (bool): samples are drawn on-demand with replacement if ``True``, default=``False``
        num_samples (int): number of samples to draw, default=`len(dataset)`.
        generator (Generator): Generator used in sampling.
    """
    data_source: Sized
    replacement: bool

    def __init__(self, data_source: Sized, replacement: bool = False,
                 num_samples: Optional[int] = None, generator=None) -> None:
        self.data_source = data_source
        self.replacement = replacement
        self._num_samples = num_samples
        self.generator = generator

        if not isinstance(self.replacement, bool):
            raise TypeError("replacement should be a boolean value, but got "
                            "replacement={}".format(self.replacement))

        if not isinstance(self.num_samples, int) or self.num_samples < 0:
            raise ValueError("num_samples should be a positive integer "
                             "value, but got num_samples={}".format(self.num_samples))

然后又道：

>>> loader = DataLoader(EmptyDataset(), batch_size=16, sampler=MyRandomSampler)  # shuffle=True)

请注意，迭代这个loader是不起作用的，但是我把这个问题留给读者来解决。（修复对我来说并不明显，因为Sampler代码有点交织在一起。）一个简单的解决方法是覆盖DataLoader.__iter__或._get_iterator。