1.4 Pytorch基础——Cifar10数据读取

import torch
import torchvision
import torch.nn as nn
import numpy as np
import torchvision.transforms as transforms

# 下载CIFAR-10数据集到当前data文件夹中
train_dataset = torchvision.datasets.CIFAR10(root='data/',
                                             train=True,
                                             transform=transforms.ToTensor(),
                                             download=True)

# 从本地硬盘上读取一条数据 (包括1张图像及其对应的标签)
image, label = train_dataset[0]
print(image.size())  #输出 torch.Size([3, 32, 32])
print(label)  #输出 6

# 数据加载准备 (开启数据加载的线程和队列).
train_loader = torch.utils.data.DataLoader(dataset=train_dataset,
                                           batch_size=64, #该参数表示每次读取的批样本个数
                                           shuffle=True)  #该参数表示读取时是否打乱样本顺序

# 创建迭代器
data_iter = iter(train_loader)

# 当迭代开始时, 队列和线程开始读取数据
images, labels = data_iter.next()

print(images.size())  #输出 torch.Size([64, 3, 32, 32])
print(labels.size())  #输出 torch.Size([64])

# 实际使用时使用下面的方式读取每一批（batch）样本
for images, labels in train_loader:
    # 在此处添加训练代码
    pass