【Torch】Dataloader & torch.utils.data.DataLoader全面详实概念理解

目录

1.torch.utils.data.DataLoader概念介绍

2.torch.utils.data.DataLoader参数介绍

3 案例体会

DataLoader：[batch_sizeN, C, H, W]+[Target1, Target2, ......., TargetN] ?

---

1.torch.utils.data.DataLoader概念介绍

Data loader. Combines a dataset and a sampler, and provides an iterable over the given dataset.

• DataLoader是Pytorch中用来处理模型输入数据的一个工具类。
• 组合了数据集（dataset） + 采样器(sampler)，
• 并在数据集上提供单线程或多线程(num_workers )的可迭代对象。

只要用PyTorch训练模型，往往都离不开torch.utils.data.DataLoader接口，其主要作用就是将自定义的数据读取接口的输出或者PyTorch已有的数据接口的输入按照batch size分装成Tensor，后续只需要在包装成Variable即可作为模型的输入。

From：PyTorch源码解读之torch.utils.data.DataLoader 

---

2.torch.utils.data.DataLoader参数介绍

torch.utils.data.DataLoader(
    dataset, 
    batch_size=1, 
    shuffle=False, 
    sampler=None,
    batch_sampler=None, 
    num_workers=0, 
    collate_fn=None,
    pin_memory=False, 
    drop_last=False, 
    timeout=0,
    worker_init_fn=None)

• dataset (Dataset) :加载数据的数据集。
• batch_size (int, optional) : 每个batch加载多少个样本(默认: 1)。
• shuffle (bool, optional) :设置为True时会在每个epoch重新打乱数据(默认: False)。
• sampler (Sampler, optional) : 定义从数据集中提取样本的策略，即生成index的方式，可以顺序也可以乱序。
• num_workers (int, optional): 用多少个子进程加载数据。0:数据将在主进程中加载(默认: 0)
• collate_fn (callable, optional) :将一个batch的数据和标签进行合并操作。
• pin_memory (bool, optional) :设置pin_memory=True，则意味着生成的Tensor数据最开始是属于内存中的锁页内存，这样将内存的Tensor转义到GPU的显存就会更快一些。
• drop_last (bool, optional):如果数据集大小不能被batch size整除，则设置为True后可删除最后一个不完整的batch。如果设为False并且数据集的大小不能被batch size整除，则最后一个batch将更小。(默认: False)
• timeout:用来设置数据读取的超时时间的，但超过这个时间还没读取到数据的话就会报错。
• worker_init_fn(callable, optional):如果不是None，将在播种之后和数据加载之前，对每个worker子进程使用worker id (int in [0, num_workers - 1])作为输入调用。(默认值:None)

如果设置为多进程读取数据，那么就会采用队列的方式来读，如果不是采用多进程来读取数据，那就采用普通方式来读。

---

3 案例体会

#案例 from https://blog.csdn.net/weixin_43981621/article/details/119685671
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
# 准备的测试数据集  数据放在了CIFAR10文件夹下
test_data = torchvision.datasets.CIFAR10(
                   "./CIFAR10", 
                    train=False, 
                    transform=torchvision.transforms.ToTensor()
)
 
test_loader = DataLoader(
                dataset=test_data, 
                batch_size=4, 
                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)
print(target)
 
# 输出
torch.Size([3, 32, 32])       # 3表示图像是RGB通道的，32*32的尺寸
3                             # 3表示图像的类别是3

# 设置参数batch_size=4时，每次取了4张照片，并获得4个targets标签。
# 在定义test_loader时，设置了batch_size=4，表示一次性从数据集中取出4个数据
for data in test_loader:
    imgs, targets = data
    print(imgs.shape)
    print(targets)
 
# 输出
torch.Size([4, 3, 32, 32])  # 4 :batch_size = 4, RGB通道，H，W
tensor([8, 9, 1, 0])        # 表示一次性取出的4张图像的target信息

---

PyTorch源码解读之torch.utils.data.DataLoader

pytorch-DataLoader（数据迭代器）_数据迭代器

torch.utils.data.DataLoader使用方法

 DataLoader的使用_我这一次的博客-CSDN博客_dataloader