pytorch读取dataloader()实例的信息

在PyTorch中，`DataLoader`是一个用于加载和迭代数据集的对象，它简化了从大型数据集中按批次提取数据的过程。当你创建了一个`DataLoader`实例后，你可以通过访问它的属性来获取相关信息。

1. **批量大小（Batch Size）**:
DataLoader的构造函数接受一个参数`batch_size`，这是每个批次的数据样本数量。要查看当前设置的批量大小，可以通过`data_loader.batch_size`来获取[^4]。

   batch_size = data_loader.batch_size

2. **数据集（Dataset）**:
`dataset`属性通常返回的是你传入`DataLoader`构造函数的那个数据集对象，可以用来了解数据集的基本信息[^4]。

   dataset = data_loader.dataset

3. **迭代器（Iterator）**:
使用`iter(data_loader)`可以创建一个迭代器，每次调用`.next()`或`.__next__()`会返回一个批次的数据[^4]。

   iterator = iter(data_loader)
   batch_data = next(iterator)

4. **其他选项**:
可能还包括`shuffle`, `num_workers`, `collate_fn`等其他可选参数的值，它们控制了数据加载的行为[^4]。获取这些参数的方法与上述类似。

   shuffle = data_loader.shuffle
   num_workers = data_loader.num_workers