【PyTorch笔记】pytorch入门教程6dataloader

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

test_data = torchvision.datasets.CIFAR10("./dataset", train=False, transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=True)
#shuffle是每个epoch都打乱顺序随机抽； num_workers是线程数

img, target = test_data[0]
print(img.shape)
# 返回：torch.Size([3, 32, 32]) 单张图片的尺寸和通道数
print(target)
# 标签的索引




writer = SummaryWriter("dataloader")
for epoch in range(2):  # 进行两轮，上面的 shuffle就是对这个位置有影响
    step = 0
    for data in test_loader:  # 在 cifar10数据集的__getitem__函数里，写了返回值是imgs和targets
        imgs, targets = data
        print(imgs.shape)
        # 返回torch.Size([4, 3, 32, 32]) 4是 batch_size 设定的值, 后面的 3， 32， 32 是单张图片的尺寸和通道数
        print(targets)  返回tensor([2, 8, 0, 2])  这4个数字抽取的四个图片的分类；debug一下，可以看到 sampler中的取值方式是 RandomSampler
        writer.add_images("Epoch: {}".format(epoch), imgs, step)
        step += 1

writer.close()