当前位置: 首页> 教育> 就业 > DataLoader的使用 Pytorch

DataLoader的使用 Pytorch

时间:2025/7/11 15:05:26来源:https://blog.csdn.net/qq_54206667/article/details/140644068 浏览次数:0次

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)

 

关键字:DataLoader的使用 Pytorch

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: