深度学习入门笔记——DataLoader的使用

如何使用数据集DataSet？

在介绍DataLoader之前，需要先了解数据集DataSet的使用。Pytorch中集成了很多已经处理好的数据集，在pytorch的torchvision、torchtext等模块有一些典型的数据集，可以通过配置来下载使用。

以CIFAR10 数据集为例，文档已经描述的很清晰了，其中要注意的就是transform这个参数，可以用来将图像转换为所需要的格式，就比如这样,将PIL格式的图像转化为tensor格式的图像:

# 准备的测试数据集
test_data=torchvision.datasets.CIFAR10("dataset",train=False,transform=torchvision.transforms.ToTensor(),download=True)

DataLoader是什么？

我们可以这样理解：如果Dataset数据集是一个存储所有数据(图像、音频）的容器，那么DataLoader就是另一个具有更好收纳功能的容器，其中分隔开来很多小隔间，可以自己设定一个小隔间有多少个数据集的数据来组成，每次将数据放进收纳小隔间的时候要不要把源数据集打乱再进行收纳等等
也就是说，给定了一个数据集，我们可以决定如何从数据集里面拿取数据来进行训练，比如一次拿取多少数据作为一个对象来对数据集进行分割，对数据集进行分割之前要不要打乱数据集等等。DataLoader的结