DataLoader 提取制定位置图像和数据

`DataLoader` 是 PyTorch 中的一个工具，用于从 `Dataset` 中按批次高效地加载数据。在Tiny ImageNet 的训练过程中[^1]，它用于加载训练集和验证集的数据。以下是如何使用`DataLoader`提取指定位置（batch_size）的图像和对应标签：

1. **定义数据集**：
- 创建一个`ImageFolder`实例，指定数据集的位置、子目录以及预处理操作。

trainset = ImageFolder(root='D:/Anaconda3/data/tiny-imagenet-200', subdir='train', transform=train_transform)
valset = ImageFolder(root='D:/Anaconda3/data/tiny-imagenet-200', subdir='val', transform=test_transform)

2. **设置 DataLoader 参数**：
- `DataLoader`接收数据集作为输入，参数包括`batch_size`（一次加载的样本数）、`shuffle`（是否打乱顺序）、`num_workers`（并发线程数）。

traindataloader = DataLoader(trainset, batch_size=60, shuffle=True, num_workers=0)
valdataloader = DataLoader(valset, batch_size=60, num_workers=0)

每次调用`next(traindataloader)`或`next(valdataloader)`时，它会返回一个包含60张图片及其相应标签的元组(batch)，便于模型训练或评估。