土堆学习笔记——P15Dataloader

dataset数据集，表示数据在哪，可以知道第一个数据是谁
然而，把数据集中的数据加载到神经网络（手）中，怎么取，取多少都是通过设置dataloader的参数来决定。
参数讲解：
batch_size每次抓几张牌
shuffle是否打乱，默认为false不打乱，如果设置为true，就表示每次抓完牌，在下次抓牌前打乱
num_workers采用单进程还是多进程加载数据，=0为只有一个主进程，如果报错BrokenPipeError可以考虑把它设置为0
drop_last假如有100张牌，每次取3张，取33次余1张，舍去不舍去，为True就是这个牌舍去。

代码例子

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

#准备测试的数据集
test_data = torchvision.datasets.CIFAR10("./dataset", train=False, transform=torchvision.transforms.ToTensor())
#command+鼠标左键CIFAR10，观察getitem返回什么，因为等下回返回到test_data[?]中


test_loader = DataLoader(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=False)

#测试数据集中第一张图片以及其target
img, target = test_data[0]
print(img.shape)
#输出torch.Size([3, 32, 32])通道数，高*宽
print(target) #输出3

writer = SummaryWriter("dataloader")
step=0
for data in test_loader:
    imgs, targets = data #注意这个循环这样data就是test_loader[?]了
    #print(imgs.shape)
    #输出torch.Size([4, 3, 32, 32])，[个数,通道数,高,宽].个数（因为第9行batch_size=4，每组四个，之后是通道数，高*宽）
    #print(targets)
    #输出tensor([9, 3, 8, 6]),batch_size=4这里会把每组的合并，四个人出现在一个tensor
    
    #改一下batch_size为64
    writer.add_images("test_data",imgs,step)
    step=step+1
    
writer.close()

观察TensorBoard，运行之后，在终端输入

tensorboard --logdir="dataloader"

logdir=什么，依赖于代码中writer = SummaryWriter(“dataloader”)