打印DataLoader()实例的属性、信息

PyTorch的DataLoader类主要用于从数据集加载小批量的数据以供模型训练。要查看其属性和信息，通常会通过`print()`函数来展示其构造时设置的一些参数。以下是一些可能的属性示例：

# 创建一个Dataloader实例
train_loader = torch.utils.data.DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)

# 打印Dataloader实例的一些常见属性
print(train_loader)

这可能会显示以下信息（具体取决于实际传入的参数）:

- `dataset`: 数据集名称或实例，表示正在加载的数据源。
- `batch_size`: 每次迭代返回的小批量样本数量。
- `shuffle`: 是否打乱数据顺序，默认为True，用于随机化数据增强效果。
- `num_workers`: 并行数据加载线程数，提高多核CPU的性能。

你可以尝试访问其他特定属性，如`iterator`（当前迭代器），但这些通常不会直接打印出来，而是通过`next(iter(train_loader))`来查看。