DataLoader:数据加载器
test_loader=DataLoader(dataset=test_data,batch_size=64,shuffle=False,num_workers=0,drop_last=True)
dataset:用户指定加载的数据集
batch_size:指定每个批量的样本数量。如每一批包含64张图片。
shuffle:当为False时,不会对数据集进行随机排列
num_workers: 用于数据加载的工作线程数量。在测试时,通常可以将其设置为 0。如果你需要加快数据加载速度,可以增加这个数字,但注意不要设置得过高,以免占用过多的系统资源。
drop_last: 如果设置为 True,如果最后一个小批量的样本数量不足 64(或指定的批量大小),则会将其丢弃,以确保每个小批量的大小一致。
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
# 准备的测试数据集
test_data=torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor())
test_loader=DataLoader(dataset=test_data,batch_size=64,shuffle=False,num_workers=0,drop_last=True)
img,target=test_data[0]
print(img.shape)
print(target)
writer=SummaryWriter("dataloader")
for epoch in range(2):
step=0
for data in test_loader:
imgs,targets=data
# print(imgs.shape)
# print(targets)
writer.add_images("Epoch{}".format(epoch),imgs,step)
step=step+1
writer.close()