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 DataLoadertest_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 DataLoadertest_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 = dataprint(imgs.shape)print(targerts)