DataLoader()使用

可基大萌萌哒的马鹿

已于 2022-03-09 14:51:13 修改

阅读量1.4k

点赞数 1

CC 4.0 BY-SA版权

文章标签： pytorch 深度学习 python

于 2022-03-09 14:16:52 首次发布

本文链接：https://blog.csdn.net/weixin_42934729/article/details/123375684

该博客介绍了如何利用PyTorch加载CIFAR10数据集，并通过DataLoader进行批量处理。代码展示了如何在训练过程中使用Tensorboard进行图片和损失的可视化，包括每轮训练的图片展示。整个过程涵盖了数据预处理、数据加载和训练日志的记录。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

dataLoader的作用就是把图片按照一定的batchsize作为一个部分
四张图片，3通道，32*32，tensor就是她的target
一组imgs,targets 组合成了代码中的 for data in train_loader中的一个data

import torchvision
from tensorboard.compat.proto.summary_pb2 import Summary
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
train_data = torchvision.datasets.CIFAR10(root='./dataset',train=True,transform=dataset_transform,download=True)
test_data = torchvision.datasets.CIFAR10(root='./dataset',train=False,transform=dataset_transform,download=True)

train_loader = DataLoader(train_data,batch_size=64,shuffle=True,num_workers=0,drop_last=False)
# 训练集的第一张图片
image ,target = train_data[0]
writer = SummaryWriter('logs')
for epoch in range(2):
    step = 0
    for data in train_loader:
        images ,targets = data
        # add_images才能在一个step放多张图片
        writer.add_images('epoch:{}'.format(epoch),images,global_step=step)
        step =step+1
        # print(images.shape)
        # print(targets)
writer.close()