今天介紹如何創建一個 DataLoader，它的用途是在每次模型學習時將要學習的資料搬到模型裡，首先我們先指定存在硬碟中的資料夾路徑：

train_path = './cat-vs-rabbit/train-cat-rabbit'
test_path = './cat-vs-rabbit/test-images'
val_path = './cat-vs-rabbit/val-cat-rabbit'

資料前處理

將資料送進去模型之前，必須先將資料轉成模型懂得格式，且也會做正規化讓機器學習更有效率，通常也會做資料增生，本篇先介紹最簡單的水平翻轉，明天會再補一篇關於資料前處理的文章。

# 正規化是機器學習常用的資料前處理，將資料範圍變成[0,1]之間
normalize=transforms.Normalize(mean=[.5,.5,.5],std=[.5,.5,.5])
transform=transforms.Compose([
    transforms.RandomCrop(224), # 隨機裁減
    transforms.RandomHorizontalFlip(), # 圖像水平翻轉
    transforms.ToTensor(), # 轉成 tensor 格式
    normalize
])

定義好資料前處理的方法後，用昨日講到的 ImageFolder 建立資料集：

# 建立資料集
train_dataset = datasets.ImageFolder(train_path, transform = transform)
val_dataset = datasets.ImageFolder(val_path, transform = transform)
test_dataset = datasets.ImageFolder(test_path, transform = transform)

接著使用 torch.utils.data 中的 DataLoader 建立此任務的資料搬運工，以下會介紹幾個比較常用到傳入 DataLoader 的引數：

• dataset(Dataset)：要取得資料的地方(就是我們上面建立的資料集)。

• batch_size(int)：每個批次要載入多少樣本，預設值是 1。

• shuffle(bool)：每個 epoch 是否打亂資料集的順序，預設值是False。

• num_workers(int)：要用多少個 subprocesses 來讀取資料，數字越大讀取越快，預設值是0。

from torch.utils.data import DataLoader

train_dataloader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_dataloader = DataLoader(val_dataset, batch_size=64, shuffle=True)

此段程式碼每次跑都會讀取 64 張圖片和 64 個對應標籤，我們顯示第 0 個結果。

# 顯示圖片和對應的標籤
train_features, train_labels = next(iter(train_dataloader))
print(f"特徵矩陣大小: {train_features.size()}")
print(f"類別數量: {train_labels.size()}")
img = train_features[0]
label = train_labels[0]
plt.imshow(img.permute(1, 2, 0))
plt.show()
print(f"Label: {label}")

結語

今天介紹了怎麼使用 DataLoader，其中有使用一些資料前處理的方法，明天會整理一篇關於資料前處理常用的方式。