PyTorch DataLoader 随机播放

Question

我做了一个实验，但没有得到我期望的结果。

对于第一部分，我使用

trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, 
                                          shuffle=False, num_workers=0)

我保存trainloader.dataset.targets到变量a，并在训练模型之前trainloader.dataset.data保存到变量。b然后，我使用 训练模型trainloader。
训练完成后，我保存trainloader.dataset.targets到变量c和trainloader.dataset.data变量d。最后，我检查a == c和b == d，它们都给出True，这是预期的，因为 的 shuffle 参数DataLoader是False。

对于第二部分，我正在使用

trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, 
                                          shuffle=True, num_workers=0)

我保存trainloader.dataset.targets到变量e，并在训练模型之前trainloader.dataset.data保存到变量。f然后，我使用 训练模型trainloader。训练完成后，我保存trainloader.dataset.targets到变量g和trainloader.dataset.data变量h。我期望e == g和从那时f == h起两者都是，但他们再次给予。我从类的定义中遗漏了什么？Falseshuffle=TrueTrueDataLoader

Answer 1

我相信直接存储在trainloader.dataset.data或.target中的数据不会被洗牌，只有当DataLoader被称为生成器或迭代器时数据才会被洗牌

您可以通过执行 next(iter(trainloader)) 几次而不进行洗牌和进行洗牌来检查它，它们应该给出不同的结果

import torch
import torchvision

transform = torchvision.transforms.Compose([
        torchvision.transforms.ToTensor(),
        ])
MNIST_dataset = torchvision.datasets.MNIST('~/Desktop/intern/',download = True, train = False,
                                           transform = transform)
dataLoader = torch.utils.data.DataLoader(MNIST_dataset,
                                         batch_size = 128,
                                         shuffle = False,
                                         num_workers = 10)
target = dataLoader.dataset.targets


MNIST_dataset = torchvision.datasets.MNIST('~/Desktop/intern/',download = True, train = False,
                                           transform = transform)

dataLoader_shuffled= torch.utils.data.DataLoader(MNIST_dataset,
                                         batch_size = 128,
                                         shuffle = True,
                                         num_workers = 10)

target_shuffled = dataLoader_shuffled.dataset.targets

print(target == target_shuffled)

_, target = next(iter(dataLoader));
_, target_shuffled = next(iter(dataLoader_shuffled))

print(target == target_shuffled)

这将给出：

tensor([True, True, True,  ..., True, True, True])
tensor([False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False,  True,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False,  True, False, False, False, False, False,
        False,  True, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False,  True,  True, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False,  True, False, False,  True, False,
        False, False, False, False, False, False, False, False])

然而，存储在 data 和 target 中的数据和标签是一个固定列表，并且由于您尝试直接访问它，因此它们不会被打乱。