技術標籤：python資料分析人工智慧python深度學習

import torchvision  

trainset = torchvision.datasets.CIFAR10(root = data_path,
                                        train = True,
                                        download = True,
                                        transform=transform)
'''                                        
root :
 
 cifar-10 的根目錄，data_path（路徑）
train : True = 訓練集, False = 測試集
download : True = 從互聯上下載資料,並將其放在root目錄下,如果資料集已經下載，什麼都不幹。
transform:（可呼叫，可選）–接收PIL影象並返回轉換版本的函式/轉換。

'''

# 訓練資料集的載入器，自動將資料分割成batch，順序隨機打亂
batch_size = 32
trainloader= torch.utils.data.DataLoader(dataset=trainset ,
                                           batch_size=
 
batch_size,
                                           drop_last = True ,      
                                           shuffle=True,
                                           num_workers=4)
'''
1、dataset:這個就是PyTorch已有的資料讀取介面（比如torchvision.datasets.ImageFolder）或者自定義的資料介面的輸出，該輸出要麼是torch.utils.data.
 
Dataset類的物件，要麼是繼承自
   torch.utils.data.Dataset類的自定義類的物件。
2、batch_size:每個batch載入多少個樣本(預設: 1),根據具體情況設定即可。
3、shuffle:設定為True時會在每個epoch重新打亂資料(預設: False),一般在訓練資料中會採用。
4、collate_fn (callable, optional):是用來處理不同情況下的輸入dataset的封裝，一般採用預設即可，除非你自定義的資料讀取輸出非常少見。合併樣本列表以形成一個 mini-batch.  #　callable可呼叫物件
5、batch_sampler:從註釋可以看出，其和batch_size、shuffle等引數是互斥的，一般採用預設。
6、sampler:從程式碼可以看出，其和shuffle是互斥的，一般預設即可。
7、num_workers:從註釋可以看出這個引數必須大於等於0，0的話表示資料匯入在主程序中進行，其他大於0的數表示通過多個程序來匯入資料，可以加快資料匯入速度。
8、pin_memory，註釋寫得很清楚了： pin_memory (bool, optional): 如果為真，資料載入器將在返回張量之前將其複製到CUDA固定記憶體中,然後再返回它們.
9、timeout(numeric, optional):是用來設定資料讀取的超時時間的，但超過這個時間還沒讀取到資料的話就會報錯.如果為正值，則為從工作人員收集批次的超時值.應始終是非負的,（預設：0）.
10、drop_last (bool, optional): 設定為 True 如果資料集大小不能被批量大小整除的時候, 將丟掉最後一個不完整的batch,(預設：False).
'''