人工智能学习06--pytorch05--torchvision中的数据集使用&DataLoader的使用

原创于 2023-01-24 14:56:40 发布 · 468 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#人工智能 #学习 #深度学习

pytorch 专栏收录该内容

24 篇文章

订阅专栏

文章介绍了torchvision数据集中test_set的class属性如何将数据转换为Tensor类型，以及DataLoader的使用，包括batch_size设定批次大小，shuffle用于数据打乱，num_workers调整多进程加载，drop_last决定是否丢弃不完整批次。同时强调了标签处理和数据流控制的重要性。

torchvision中的数据集使用

在这里插入图片描述
test_set的class属性

把数据集每一部分都变成tensor类型
现在输出的就是tensor数据类型了

DataLoader的使用

在这里插入图片描述

在这里插入图片描述

batch_size 一摞牌中，每次抓几张
shuffle 打乱，第二次打牌前，牌的顺序要跟第一次不一样（默认False：跟之前排序一样；一般设置为True）
num_works 多进程加载，默认0 （电脑核数不够，num_workers得调低）num_worker=0是指只有一个主进程
drop_last 若一共一百张牌，每次取三张，最后会剩下一张，是否舍去它（True：只要前面99张牌）

在这里插入图片描述

target不是标签，是标签存放的位置，标签列表是calsses，真正的标签是classes[target]

第几次取数据的时候，数据长什么样

剩余的数据集只有16张，不足64张

将drop_last设置为True，可以看到把数据集最后的部分进行舍去
（一定要给add.images里面改名！）
在这里插入图片描述

把shuffle改为False
可以看到取的都是一样的
在这里插入图片描述

把shuffle改为True
在这里插入图片描述

一般把imgs作为神经网络的输入

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。