前言
dataloader数据加载器属于是深度学习里面非常基础的一个概念了，基本所有的图像项目都会用上，这篇博客就把它的相关用法总结一下。
之所以要写这篇，是想分清楚len(data_loader)和len(data_loader.dataset)
一、DataLoader介绍
这里加载的数据我们以Mnist手写数据集为例子
import torch.utils.data as Data
import torchvision
from torchvision import transforms
data = torchvision.datasets.MNIST(
'data', #目标数据集路径
train=True, # 只使用train数据
transform=transforms.ToTensor(),#图像预处理，转为张量，并将像素值转到0-1
download=True)
data_loader=Data.DataLoader(
dataset=data,
batch_size=32,
shuffle=True,
num_workers=0
)
torchvision.datasets.MNIST是用来加载自带数据包，这里不在多说了。
我们主要看下面的Data.DataLoader
1）dataset指需要用数据加载器加载的数据，即上面的data
2) batch_size指每一批次图像的数量
3) shuffle指是否打乱
4）num_workers 进程数 我一般设为0，不然很可能报错
二、DataLoader的子方法（可调用方法）
紧接着上面的方法，我们进行一些操作，进一步了解DataLoader
1）data_loader整体打印
print(data_loader)
2）数据加载器一共被分成了多少块（batch_size个图像为一块）
print(len(data_loader))
1875×32=60000
3）data_loader.dataset
print(data_loader.dataset)
如果我们换一种：len(data_loader.dataset)
print(len(data_loader.dataset))
这里展示了整个数据集里图像的个数。 注意和len(data_loader)区别开，这也是我写这篇博客的原因。
4）打印数据加载器之前设定的batch_size
print(data_loader.batch_size)
5）打印数据加载器之前设定的进程数文章来源：https://www.toymoban.com/news/detail-598022.html
print(data_loader.num_workers)
文章来源地址https://www.toymoban.com/news/detail-598022.html
到了这里，关于【深度学习】torch.utils.data.DataLoader相关用法 | dataloader数据加载器 | pytorch的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
