torch.utils.data.DataLoader对象中的迭代操作

关于迭代器等概念参考:https://www.cnblogs.com/zf-blog/p/10613533.html

关于pytorch中的DataLoader类参考:https://blog.csdn.net/u014380165/article/details/79058479(写的蛮好)

现在用一个例子来讲解一下:

(1)法一:

a = torch.utils.data.DataLoader(….)

a = enumerate(a) #enumerate的built-in函数:__iter__()会将a变成iterator,后面可以再调用built-in函数:__next__()进行迭代;

m = a.__next__()  #注意这里使用的是enumerate类型的built-in函数:__next__()

(2)法二:

a = torch.utils.data.DataLoader(…)

a = torch.utils.data.DataLoader.__iter__(a) #这里调用DataLoader的built-in函数:__iter__()将a变成iterator;

m = a.__next__() #注意:这里调用的是DataLoader的built-in函数:__next__()

PS:

(1)上述两种__next__()得到的封装结构是不同的,这个在拆解a时要注意;

(2)将容器(各种数据结构:list、tuple等)变成iterator时需要使用iter(),而对于类操作时需要在类中定义__init__()和__next__(),注意这点区别;(具体可参考:https://blog.csdn.net/admin_maxin/article/details/82052065 , 这样也说明了为什么不能用a = iter() , m=a.next()这种做法,因为a是一个类了,需要用built-in函数__iter__将其变成iterator,再用__next__(),否则会报“enumarate” object has no attribute “next”的错误 or “DataLoader” object has no attribute “next”)

    原文作者:pytorch
    原文地址: https://www.cnblogs.com/zf-blog/p/10613846.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞