PyTorch 的 DataLoader() 中的 next() 和 iter() 做了什么

Question

我有以下代码：

import torch
import numpy as np
import pandas as pd
from torch.utils.data import TensorDataset, DataLoader

# Load dataset
df = pd.read_csv(r'../iris.csv')

# Extract features and target
data = df.drop('target',axis=1).values
labels = df['target'].values

# Create tensor dataset
iris = TensorDataset(torch.FloatTensor(data),torch.LongTensor(labels))

# Create random batches
iris_loader = DataLoader(iris, batch_size=105, shuffle=True)

next(iter(iris_loader))

next()

和

iter()

在上面的代码中做了什么？我浏览了 PyTorch 的文档，但仍然不太明白

next()

和

iter()

在这里做什么。谁能帮忙解释一下？非常感谢。

Answer 1

这些是 python 的内置函数，它们用于处理可迭代对象。

基本上

iter()

调用

__iter__()

上的

iris_loader

方法，它返回一个迭代器。

next()

然后调用该迭代器上的

__next__()

方法以获得第一次迭代。再次运行

next()

会得到迭代器的第二项，以此类推

这种逻辑经常发生在“幕后”，例如在运行

for

循环时。它在可迭代对象上调用

__iter__()

方法，然后在返回的迭代器上调用

__next__()

直到它到达迭代器的末尾。然后它会引发一个

stopIteration

并且循环停止。

有关详细信息和一些细微差别，请参阅文档：https://docs.python.org/3/library/functions.html#iter