【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()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值