pytorch框架--数据方面--pytorch自带

import torchvision
# 加载数据集
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

# 官方数据集，若加载自己的数据，其实没什么区别，需要自己转换一下tensor格式，因为官方直接一个参数就转换了
# 参数：下载保存路径、train=训练集(True)或者测试集(False)、download=在线(True) 或者 本地(False)、数据类型转换
test_data = torchvision.datasets.CIFAR10("./dataset",
                                         train=False,
                                         download=True,
                                         transform=torchvision.transforms.ToTensor())

# 格式打包
# 参数：数据、1组几个、下一轮轮是否打乱、进程个数、最后一组是否凑成一组
test_loader = DataLoader(dataset=test_data, batch_size=4, shuffle=True, num_workers=0, drop_last=True)

# 绘图  使用方法：
# 在命令行对应环境下，注意名字需要对应，另一个是指定端口(可不写)
# tensorboard --logdir=logs --port=6007
writer = SummaryWriter("logs")
# 训练2轮
for epoch in range(2):
    srep = 0
    for data in test_loader:
        imgs, targets = data
        #名字，x轴，y轴 
        writer.add_images("Epoch:{}".format(epoch), imgs, srep)
        srep += 1
writer.close()