pytorch读取部分cifar10

引用中提到，PyTorch中读取CIFAR数据集的常用方法是使用torch.utils.data.DataLoader接口。该接口可以将数据按照指定的batch size封装成Tensor，并作为模型的输入。下面是一个示例代码，用于读取部分CIFAR10数据集：

import torch
import torchvision
import torchvision.transforms as transforms

# 定义数据预处理的方法
transform = transforms.Compose([
    transforms.ToTensor(),  # 将图像转换为Tensor
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 对图像进行标准化处理
])

# 载入CIFAR10训练集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)

# 读取部分CIFAR10数据集
for i, data in enumerate(trainloader, 0):
    inputs, labels = data
    if i < 5:  # 只读取前5个batch的数据
        print(f"Batch {i+1}:")
        print("Inputs:", inputs)
        print("Labels:", labels)
        print()
    else:
        break