`images, labels = dataiter.next() ` 在 PyTorch 教程中如何工作？

Question

从教程cifar10_tutorial，如何images, labels分配？

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))


# get some random training images
dataiter = iter(trainloader)

images, labels = dataiter.next()

如何在最后一行懂得自动分配images, label的images, labels = dataiter.next()？

我检查了DataLoader课程和DataLoaderIter课程，但我认为我需要更多的迭代知识。

Answer 1

我认为理解可迭代和迭代器之间的区别至关重要。可迭代对象是可以迭代的对象。Iterator 是一个对象，用于使用 __next__ 方法迭代可迭代对象，该方法返回对象的下一项。

一个简单的例子如下。考虑一个可迭代对象并使用 next 方法调用列表中的下一项。这将打印下一个项目，直到到达列表的末尾。如果到达末尾，它将引发 StopIteration 错误。

test = (1,2,3)
tester = iter(test)

while True:
    nextItem = next(tester)
    print(nextItem)

您在上面引用的类可能具有与此类似的实现，但是它返回一个包含图像和标签的元组。