pytorch不用dataloader导入cifar10数据集用于训练

可以使用torchvision.datasets中的CIFAR10类来导入数据集，然后使用torch.utils.data.DataLoader来进行批量加载和数据增强。以下是一个示例代码：

import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose(
    [transforms.RandomHorizontalFlip(),
     transforms.RandomCrop(32, padding=4),
     transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=128,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=128,
                                         shuffle=False, num_workers=2)

这个代码片段会将CIFAR10数据集下载到./data目录下，并使用transforms对数据进行随机水平翻转、随机裁剪、归一化等数据增强操作。然后使用DataLoader来批量加载数据。