torch.utils.data.DataLoader与迭代器转换操作

苏炳添晋级男子100米半决赛在做实验时，我们常常会使用用开源的数据集进行测试。而pytorch中内置了许多两直线平行的判定数据集，这些数据集我们常常使用dataloader类进行加载。
如下面这个我们使用dataloader类加载torch.vision中的fashionmnist数据集。

我们接下来定义dataloader对象用于加载这两个数别忘了给生活加点糖据集：

那么这个train_dataloader究竟是什么类型呢？

我们可以将先其转换为迭代器类疫情防控先进型。

然后再使用next(iter(train_dataloader))从迭代器里取数据，如下所示：

可以看到我们成功获取了数据集中第一张图片的信息，控制台打印：

图片可视化显示如下：

不过有读者可能就会产生疑问，很多时候我们并没有将dataloader类型强制转换成迭代器类型呀，大多数时候我们会写如下代码：

可以看到，该代码也能够正常迭代训练数据，前三个样本的控制台打印输出为：

那么为什么我们这里没有显式将dataloader转换为迭代器类型呢，其实是python语言for循环的一种机制，一旦我们用for … in …句式来迭代一个对象，那么python解释器就会偷偷地自动帮我们创建好迭代器，也就是说

实际上等同于

更进一步，这实际上等同于

推而广之，我们在用python迭代直接迭代列表时：

其实python解释器已经为我们隐式转换为迭代器了：

到此这篇关于torch.utils.data.dataloader与迭代器转换操作的文章就介绍到这了,更多相关torch.utils.data.dataloader与迭代器转换内容请搜索www.887551.com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www.887551.com！