PyTorch中dataloader的shuffle=True有什么用

这篇文章主要为大家展示了"PyTorch中dataloader的shuffle=True有什么用"，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下"PyTorch中dataloader的shuffle=True有什么用"这篇文章吧。

对shuffle=True的理解：

之前不了解shuffle的实际效果，假设有数据a,b,c,d，不知道batch_size=2后打乱，具体是如下哪一种情况：

1.先按顺序取batch，对batch内打乱，即先取a,b，a,b进行打乱；

2.先打乱，再取batch。

证明是第二种

shuffle (bool, optional): set to ``True`` to have the data reshuffled at every epoch (default: ``False``).if shuffle:    sampler = RandomSampler(dataset) #此时得到的是索引

补充：简单测试一下pytorch dataloader里的shuffle=True是如何工作的

看代码吧~

import sysimport torchimport randomimport argparseimport numpy as npimport pandas as pdimport torch.nn as nnfrom torch.nn import functional as Ffrom torch.optim import lr_schedulerfrom torchvision import datasets, transformsfrom torch.utils.data import TensorDataset, DataLoader, Dataset class DealDataset(Dataset):    def __init__(self):        xy = np.loadtxt(open('./iris.csv','rb'), delimiter=',', dtype=np.float32)        #data = pd.read_csv("iris.csv",header=None)        #xy = data.values        self.x_data = torch.from_numpy(xy[:, 0:-1])        self.y_data = torch.from_numpy(xy[:, [-1]])        self.len = xy.shape[0]        def __getitem__(self, index):        return self.x_data[index], self.y_data[index]     def __len__(self):        return self.len   dealDataset = DealDataset() train_loader2 = DataLoader(dataset=dealDataset,                          batch_size=2,                          shuffle=True)#print(dealDataset.x_data)for i, data in enumerate(train_loader2):    inputs, labels = data     #inputs, labels = Variable(inputs), Variable(labels)    print(inputs)    #print("epoch：", epoch, "的第" , i, "个inputs", inputs.data.size(), "labels", labels.data.size())

以上是"PyTorch中dataloader的shuffle=True有什么用"这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！