设计模式：抽象工厂

DataLoader的使用

测试DataLoader，batch_size大小为4

import torchvision.datasets
from torch.utils.data import DataLoader

test_data = torchvision.datasets.CIFAR10("./dataset", train=False, transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_data, batch_size=4, shuffle=False, num_workers=0, drop_last=False)

# 测试数据集中第一张图片及target
img, target = test_data[0]
print(img.shape)  # 3通道, 32x32
print(target)

for data in test_loader:
    imgs, targets = data
    print(imgs.shape)
    print(targets)

将batch_size的大小改为64，创建日志文件

import torchvision.datasets
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(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=False)

# 测试数据集中第一张图片及target
img, target = test_data[0]
print(img.shape)  # 3通道, 32x32
print(target)

writer = SummaryWriter("dataloader")
step = 0
for data in test_loader:
    imgs, targets = data
    # print(imgs.shape)
    # print(targets)
    writer.add_images("test_data", imgs, step)
    step = step + 1

writer.close()

运行后，在文件目录中生成dataloader文件夹
在Terminal中输入：

tensorboard --logdir="learn_pytorch/dataloader"

点开链接，每一步为8x8张图片

drop_last的作用

最后一步为8x2张图片，这是由于最后一组图片不足64张，并且drop_last=False，这个参数表示最后一步不足batch_size大小时，仍然保留图片

若改为drop_last=True
最后一步为第155步，有8X8张图片，删掉了最后一组的图片

shuffle的作用

当重复运行两轮时，决定第一轮数据和第二轮数据是否一样

shuffle=False：一样

shuffle=True：不一样