在PyTorch中，使用DataLoader读取数据集后，可以通过迭代器来查看数据集中的数据。可以使用iter()函数将DataLoader对象转换为迭代器，然后使用next()函数来获取下一个batch的数据。
下面是一个示例代码，演示了如何使用DataLoader读取数据并查看数据。
import torch
from torch.utils.data import DataLoader
# 假设有一个名为dataset的数据集对象
# 创建一个DataLoader对象
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
# 将DataLoader对象转换为迭代器
data_iter = iter(dataloader)
# 获取下一个batch的数据
data = next(data_iter)
# 打印数据的shape
print(data.shape)
在上面的代码中，首先创建了一个DataLoader对象，指定了batch_size和是否进行shuffle操作。然后使用iter()函数将DataLoader对象转换为迭代器，再使用next()函数获取下一个batch的数据。最后通过打印数据的shape来查看数据。
需要注意的是，使用next()函数获取的数据是一个Tensor对象，可以通过.numpy()方法将其转换为NumPy数组，以便更方便地查看数据的内容。
# 将Tensor对象转换为NumPy数组
data_numpy = data.numpy()
# 打印数据内容
print(data_numpy)
这样就可以查看DataLoader读取的数据了。
