DataLoader的使用【学习笔记】

趁着假期，准备好好学习PyTorch，以下是DataLoader的学习笔记。在此，特别感谢B站UP主【我是土堆】，土堆老师讲解得非常认真详细，各位pytorch入门学习者可以去看看~

视频链接：PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili

从dataset里面取数据，怎么取，取多少，这些就是由DataLoader实现的。

PyTorch官网的DataLoader解释：torch.utils.data — PyTorch 1.10.1 documentation

以下代码实现的功能是，对test_data进行不放回随机抽取，每次抽取64张图片及其标签并打包为imgs和targets，直到把dataset抽取完毕。若最后一次抽取少于64张，则舍去（drop_last=Ture）。这样的抽取进行两次（for epoch in range(2)），每次抽取前先进行洗牌（Shuffle=True）。

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

test_data = torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=torchvision.transforms.ToTensor())

test_loader = DataLoader(dataset=test_data,batch_size=64,shuffle=True,num_workers=0,drop_last=True)

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()

Tensorboard展示两次抽取结果：