如果你的DataLoader是这样的：

test_loader = DataLoader(image_datasets['val'], batch_size=batch_size, shuffle=True)

字符串
它给你一个大小为batch_size的批，你可以通过直接索引这个批来挑选一个随机的例子：

for test_images, test_labels in test_loader:  
    sample_image = test_images[0]    # Reshape them according to your needs.
    sample_label = test_labels[0]

型

备选方案

1.可以使用RandomSampler获取随机样本。
1.在DataLoader中使用1的batch_size。
1.直接从数据集中提取样本，如下所示：

mnist_test = datasets.MNIST('../MNIST/', train=False, transform=transform)

型
现在使用此数据集采集样本：

for image, label in mnist_test:
      # do something with image and other attributes

型
1.**（可能是最好的）**看这里：

inputs, classes = next(iter(dataloader))

型

如果你想从Trainloader/Testloader中选择特定的图像，你应该从master中查看Subset函数：
下面是一个如何使用它的示例：

testset = ImageFolderWithPaths(root="path/to/your/Image_Data/Test/", transform=transform)
subset_indices = [0] # select your indices here as a list
subset = torch.utils.data.Subset(testset, subset_indices)
testloader_subset = torch.utils.data.DataLoader(subset, batch_size=1, num_workers=0, shuffle=False)

字符串
这样您就可以使用一个图像和标签。但是，你当然可以在subset_indices中使用不止一个索引。
如果您想使用DataFolder中的特定图像，可以使用dataset.sample并构建一个字典来获取您想要使用的图像的索引。

(This答案是补充@parthagar答案的备选3）
迭代dataset不会**返回“random”示例，您应该用途：

# Recovers the original `dataset` from the `dataloader`
dataset = dataloader.dataset
n_samples = len(dataset)

# Get a random sample
random_index = int(numpy.random.random()*n_samples)
single_example = dataset[random_index]

字符串

TL;DR：

从DataLoader获取单个示例的一般形式为：

list = [ x[0] for x in iter(trainloader).next() ]

字符串
特别是对于所问的问题，其中返回了minbatches的图像和标签：

image, label = [ x[0] for x in iter(trainloader).next() ]

型

可能有趣的信息：

要从DataLoader获取单个小批，请用途：

iter(trainloader).next()

型
当运行类似for images, labels in dataloader:的代码时，底层发生的是通过iter(dataloader)创建迭代器，然后在每次循环执行时调用迭代器的.next()。
要从DataLoader（返回图像和标签）获取单个图像，请用途：

image = iter(trainloader).next()[0][0]

型
这与执行以下操作相同：

images, labels = iter(trainloader).next()
image = images[0]

型

从DataLoader随机抽取样本

假设DataLoader(shuffle=True)用于其构造，可以从DataLoader中随机抽取一个示例：

example = next(iter(dataloader))[0]

字符串

从Dataset中随机抽取样本

如果不是这种情况，您可以从数据集中绘制一个随机示例：

idx = torch.randint(len(dataset), (1,))
example = dataset[idx]

型

获取随机样本的关键是为DataLoader设置shuffle=True，获取单个图像的关键是将批量大小设置为1。
下面是loading the mnist dataset之后的例子。

from torch.utils.data import DataLoader, Dataset, TensorDataset
bs = 1
train_ds = TensorDataset(x_train, y_train)
train_dl = DataLoader(train_ds, batch_size=bs, shuffle=True)

for xb, yb in train_dl:
    print(xb.shape)
    x = xb.view(28,28) 
    print(x.shape)
    print(yb)
    break #just once

from matplotlib import pyplot as plt
plt.imshow(x, cmap="gray")

字符串

的数据

你可以简单地将trainloader转换为iterable，然后通过编写以下代码获取下一个批处理

dataiter = iter(trainloader)
images, labels = next(dataiter)

字符串

这里有一个例子

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

batch_size = 4

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

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=batch_size,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

# functions to show an image

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

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

# show images
imshow(torchvision.utils.make_grid(images))
# print labels
print(' '.join(f'{classes[labels[j]]:5s}' for j in range(batch_size)))

型
参考号：https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html