PyTorch 数据加载和训练：输入和标签类型解析

在 PyTorch 中，图像数据加载和训练过程中，输入（input）和标签（target）是两个关键数据结构。

输入 (input)

input 是一个批次（batch）的图像数据，类型为 torch.Tensor，形状为 [batch_size, channel, height, width]。

• batch_size：批次大小，表示每个批次包含的图像数量。
• channel：通道数，通常为 3，表示 RGB 三个通道。
• height 和 width：图像的高度和宽度。

标签 (target)

target 是一个批次的标签数据，类型为 torch.Tensor，形状为 [batch_size]。每个元素代表该图像对应的类别标签。

示例代码：

traindir = os.path.join('/private/PT4AL-new/DATA', 'train')
normalize = transforms.Normalize(
    mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]
)

augmentation = [
            transforms.RandomResizedCrop(224, scale=(0.2, 1.0)),
            transforms.RandomApply(
                [transforms.ColorJitter(0.4, 0.4, 0.4, 0.1)], p=0.8  # not strengthened
            ),
            transforms.RandomGrayscale(p=0.2),
            transforms.RandomApply([moco.loader.GaussianBlur([0.1, 2.0])], p=0.5),
            transforms.RandomHorizontalFlip(),
            transforms.ToTensor(),
            normalize,

        ]

train_dataset = datasets.ImageFolder(
        traindir, moco.loader.TwoCropsTransform(transforms.Compose(augmentation))
    )
train_loader = torch.utils.data.DataLoader(
        train_dataset,
        batch_size=32,
        shuffle=True,
        num_workers=2,
        pin_memory=True,
        # sampler=train_sampler,
        drop_last=True,

    )
        for batch_idx, (input, target) in enumerate(train_loader):
            # print(type(input))
            # print(type(target))
            input, target = input.to(device), target.to(device)
            output = net(input)
            loss = criterion(output, target)
            test_loss += loss.item()
            _, predicted = output.max(1)
            total += target.size(0)
            correct += predicted.eq(target).sum().item()

总结：

input 和 target 是 PyTorch 训练过程中不可或缺的数据结构，分别代表了图像数据和对应的类别标签，它们在模型训练、损失计算和预测评估中扮演着重要角色。