在cifar10教程中，images, labels是如何被赋值的？

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     # 非标准化    npimg = img.numpy()    plt.imshow(np.transpose(npimg, (1, 2, 0)))# 获取一些随机的训练图像dataiter = iter(trainloader)images, labels = dataiter.next()

最后一行是如何知道自动将images, labels赋值给images, labels = dataiter.next()的？

我检查了DataLoader类和DataLoaderIter类，但我想我需要更多关于迭代器的一般知识。

回答：

我认为理解可迭代对象和迭代器之间的区别是至关重要的。可迭代对象是你可以迭代的对象。迭代器是一个用于通过__next__方法迭代可迭代对象的对象，该方法返回对象的下一个项目。

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个项目。这将打印下一个项目，直到列表结束。如果达到末尾，它将引发StopIteration错误。

test = (1,2,3)tester = iter(test)while True:    nextItem = next(tester)    print(nextItem)

您上面提到的类可能有类似的实现，但是它返回一个包含图像和标签的元组。