跟着小土堆学习pytorch（五）——dataloader

零、什么是dataloader

dataset是数据集的获取，dataloader就是决定如何对数据集进行分类和整理

一、官方文档

关于dataloader的链接：https://pytorch.org/docs/stable/data.html#torch.utils.data.DataLoader
下拉找到这里
（注意：是torch.utils.data.DataLoader这个关键词下）

这里解释下这些参数
dataset：路径地址
batch_size：步长（一次取多少张图片）
shuffle：（大循环）两次（是否再次打乱，True就是不一样，被打乱，Fales就是一样的，不打乱）
num_workers：多进场（0的话就是主进程，大于0的话，可能就会出错）
drop_last：到最后取不尽的时候，最后的余数是保留，还是剔除

二、代码解析

import torchvision

from torch.utils.data import DataLoader
from torch.utils.tensorboard import Summarywriter
test_data = torchvision.datasets.CIFAR10("./dataset",train=False,transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(datasets = test_data,batch_size=64,shuffle=True,num_workers=0,drop_last=True)

img,target = test_data[0]
print(img.shape)
print(target)
writer = Summarywriter("dataloader")
for epoch in range(2):
	step = 0
	for data in test_loader:
		imgs,targets = data
		#pr1nt(imgs,shape】
		#print(torgets)
		writer.add_images("Epoch:()"format(epoch),imgs,step)
		step = step+1
writer.close()

看返回类型时候，看的是__getitem__类的返回（相当于函数的使用）
打包成imgs、targets