DataLoader的使用 Pytorch

在 PyTorch 中，tensor.shape 返回一个包含张量各维度大小的元组。

所以，当你执行 print(img.shape)，你看到的 (3, 32, 32) 实际上是在告诉你：

• 这是一个三维张量
• 第一维（通道）的大小是 3
• 第二维（高度）的大小是 32
• 第三维（宽度）的大小是 32

• import torchvision
  from torch.utils.data import DataLoader
  
  test_set = torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True,transform=torchvision.transforms.ToTensor())
  test_loader = DataLoader(dataset=test_set,batch_size=4,shuffle=True,num_workers=0,drop_last=False)
  img,targert = test_set[0]
  print(img.shape)
  print(targert)

  参数含义

• dataset=test_set: 指定要加载的数据集
• batch_size=4: 每批加载 4 个样本
• shuffle=True: 随机打乱数据顺序
• num_workers=0: 不使用多进程加载数据
• drop_last=False: 不丢弃最后一个不完整的批次

import torchvision
from torch.utils.data import DataLoader

test_set = torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True,transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_set,batch_size=4,shuffle=True,num_workers=0,drop_last=False)
img,targert = test_set[0]

print(img.shape)
print(targert)

for data in test_loader:
    imgs,targerts = data
    print(imgs.shape)
    print(targerts)

tensorboard上数据集可视化step老跳步：

终端运行的命令后面再加上一句 --samples_per_plugin=images=1000

完整代码

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

test_set = torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True,transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_set,batch_size=64,shuffle=False,num_workers=0,drop_last=True)
img,targert = test_set[0]

print(img.shape)
print(targert)
writer = SummaryWriter("dataloader")
for epoch in range(2):
    step = 0
    for data in test_loader:
        imgs,targerts = data
        # print(imgs.shape)
        # print(targerts)
        writer.add_images("epoch:{}".format(epoch),imgs,step)
        step+=1
writer.close()