다음은 훈련 데이터셋의 크기 및 레이블에 대한 출력 결과입니다.
torch.Size([3, 256, 256]) 1
훈련 데이터셋의 크기는 (3, 256, 256)을 보여 줍니다. 이것에 대한 값은 (채널, 너비, 높이)를 의미합니다.
이제 데이터셋을 데이터로더로 전달하여 메모리로 불러올 준비를 합니다.
코드 6-28 데이터셋을 메모리로 불러옴
train_dataloader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
val_dataloader = DataLoader(val_dataset, batch_size=batch_size, shuffle=False)
test_dataloader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)
dataloader_dict = {'train': train_dataloader, 'val': val_dataloader}
batch_iterator = iter(train_dataloader)
inputs, label = next(batch_iterator)
print(inputs.size())
print(label)
다음은 데이터로더에서 불러온 훈련 이미지에 대한 크기와 레이블을 출력한 결과입니다.
torch.Size([32, 3, 256, 256]) tensor([0, 1, 0, 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1])