DataLoader

 **前置知识：

test_loader=DataLoader(

dataset=test_set,

batch_size=64,

shuffle=False,

num_workers=0,

drop_last=True

)

1、DataLoader：

PyTorch 提供的一个工具，用于批量加载数据集，支持多线程加载

2、

dataset=test_set	要加载的数据集
batch_size=64	每个批次加载64张图片（batch：一批）
shuffle=False	False表示在加载数据时不打乱顺序，True表示打乱顺序 （shuffle：洗牌）
num_workers=0	指定用于数据加载的子进程数，0表示只在主进程中进行
drop_last=True	如果数据集的总大小不是批次大小的整数倍，设置为 True 会丢弃最后一个不足批次大小的部分

**代码：

加载数据集——>数据Loader处理——>tensorBoard记录

import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)

#dataset：要处理的数据集 batch_size：每次抓取几张图片 num_workers=0：只要主线程工作（多线程在wins上可能出错）drop_last：是否要舍弃不足数的部分
#shuffle：进行多轮数据处理时，是否要将数据打乱，使每轮的结果不一样
test_loader=DataLoader(dataset=test_set,batch_size=64,shuffle=False,num_workers=0,drop_last=True)

writer=SummaryWriter("log1")
for epoch in range(2):
    step=0
    for data in test_loader:
        imgs,targets=data
        writer.add_images(f"test2_Epoch: {epoch}",imgs,step)
        step=step+1
writer.close()