遍历pytorch的dataset

遍历 PyTorch 的 dataset 可以使用 DataLoader 类，它可以将数据集分成 batch 并进行迭代。以下是一个示例代码：

from torch.utils.data import DataLoader
from torchvision.datasets import MNIST
from torchvision.transforms import ToTensor

# 加载 MNIST 数据集
dataset = MNIST(root='data/', download=True, transform=ToTensor())

# 创建 DataLoader
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

# 遍历 DataLoader
for batch in dataloader:
    images, labels = batch
    # 进行模型训练或预测等操作

在上述代码中，我们首先加载了 MNIST 数据集，并将其转换为 PyTorch 中的 Tensor 格式。然后，我们创建了一个 DataLoader，指定了 batch_size 和 shuffle 参数。最后，我们使用 for 循环遍历 DataLoader，每次迭代会返回一个 batch 的数据，其中包含了 images 和 labels 两个 Tensor。我们可以在循环中进行模型训练或预测等操作。