DataLoader的用法

DataLoader可以将datasets中的数据打包抽取，生成batch_size便于深度学习训练。

具体用法如下：

import torchvision.datasets
from torch.utils.data import DataLoader

# 由于测试数据集数量较少，这里创建CIFAR10中的测试数据
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

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

data_loader = DataLoader(dataset=test_set, batch_size=64, shuffle=True, num_workers=0, drop_last=True)
#  dataset= 为选择数据集， bach_size = 为一次抓取多少个数据， shuffle为每个epoch是否打乱顺序，num_worders= 为设置并行计算个数
#  drop_last= 为在数据集无法被bach_size整除时，剩下的数据是否抛弃，True为抛弃



writer = SummaryWriter('Data_loader')

# 对象调用和多个图片展示，通过打开CIFAR10的__getitem__函数可以知道返回的值为img和target
# 注意：data_loader不能用索引的方式返回值


indx = 1
for data in data_loader:
    imgs, targets = data
    writer.add_images('test', imgs, global_step=indx)  # 这里添加多个图片用add_images
    indx += 1


# 2次epoch
for epoch in range(2):
    indx = 1
    for data_1 in data_loader:
        imgs, targets = data_1
        writer.add_images('Epoch: {}'.format(epoch), imgs, global_step=indx)  # 这里添加多个图片用add_images
        indx += 1

# 这里用到格式化输出，即‘this is {}’.format()。  {}中的内容添加值

writer.close()

注意：

1、DataLoader实例化的对象不能用索引进行调用，可以用for循环调用，但是datasets可以；

2、这里用到格式化输出，例如‘this is {}’.format(a)， a的值将被放在{}中。

3、shuffle用于将每次epoch的值打乱，drop_last将最后不能整除的剩余数据舍弃（drop_last=True）。