pytorch中的datasets对象数据读取

在 PyTorch 中，可以使用 `datasets` 模块来读取数据。`datasets` 模块提供了许多常见的数据集，包括 MNIST、CIFAR10、ImageNet 等。

使用 `datasets` 模块读取数据的一般流程如下：

1. 导入相关模块和数据集

import torch
from torchvision import datasets, transforms

2. 定义数据预处理步骤

transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.5,), (0.5,))])

3. 加载数据集

trainset = datasets.MNIST('~/.pytorch/MNIST_data/', download=True, train=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)

4. 读取数据

for images, labels in trainloader:
    # do something with images and labels

在上面的代码中，`MNIST` 是数据集类，`trainset` 是数据集对象，`trainloader` 是数据加载器对象。通过数据加载器对象可以方便地读取数据，每次读取的数据大小是 `batch_size`，并且可以通过设置 `shuffle` 参数来打乱数据顺序。在读取数据时，可以使用 `for` 循环逐个读取，每次返回一个大小为 `batch_size` 的数据和标签。