DataLoader的使用

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()