一、前言
確保安裝
- scikit-image
- numpy
二、Dataset
一個(gè)例子：
# 導(dǎo)入需要的包
import torch
import torch.utils.data.dataset as Dataset
import numpy as np
# 編造數(shù)據(jù)
Data = np.asarray([[1, 2], [3, 4],[5, 6], [7, 8]])
Label = np.asarray([[0], [1], [0], [2]])
# 數(shù)據(jù)[1,2]，對(duì)應(yīng)的標(biāo)簽是[0]，數(shù)據(jù)[3,4],對(duì)應(yīng)的標(biāo)簽是[1]
#創(chuàng)建子類
class subDataset(Dataset.Dataset):
#初始化，定義數(shù)據(jù)內(nèi)容和標(biāo)簽
def __init__(self, Data, Label):
self.Data = Data
self.Label = Label
#返回?cái)?shù)據(jù)集大小
def __len__(self):
return len(self.Data)
#得到數(shù)據(jù)內(nèi)容和標(biāo)簽
def __getitem__(self, index):
data = torch.Tensor(self.Data[index])
label = torch.IntTensor(self.Label[index])
return data, label
# 主函數(shù)
if __name__ == '__main__':
dataset = subDataset(Data, Label)
print(dataset)
print('dataset大小為：', dataset.__len__())
print(dataset.__getitem__(0))
print(dataset[0])輸出的結(jié)果
我們有了對(duì)Dataset的一個(gè)整體的把握，再來(lái)分析里面的細(xì)節(jié)：
#創(chuàng)建子類
class subDataset(Dataset.Dataset):創(chuàng)建子類時(shí)，繼承的時(shí)Dataset.Dataset，不是一個(gè)Dataset。因?yàn)镈ataset是module模塊，不是class類，所以需要調(diào)用module里的class才行，因此是Dataset.Dataset！
len和getitem這兩個(gè)函數(shù)，前者給出數(shù)據(jù)集的大小**，后者是用于查找數(shù)據(jù)和標(biāo)簽。是最重要的兩個(gè)函數(shù)，我們后續(xù)如果要對(duì)數(shù)據(jù)做一些操作基本上都是再這兩個(gè)函數(shù)的基礎(chǔ)上進(jìn)行。
三、DatasetLoader
DataLoader(dataset,
batch_size=1,
shuffle=False,
sampler=None,
batch_sampler=None,
num_works=0,
clollate_fn=None,
pin_memory=False,
drop_last=False,
timeout=0,
worker_init_fn=None,
multiprocessing_context=None)功能：構(gòu)建可迭代的數(shù)據(jù)裝載器；
dataset:Dataset類，決定數(shù)據(jù)從哪里讀取及如何讀??；數(shù)據(jù)集的路徑
batchsize：批大小；
num_works:是否多進(jìn)程讀取數(shù)據(jù)；只對(duì)于CPU
shuffle：每個(gè)epoch是否打亂；
drop_last：當(dāng)樣本數(shù)不能被batchsize整除時(shí)，是否舍棄最后一批數(shù)據(jù)；
Epoch：所有訓(xùn)練樣本都已輸入到模型中，稱為一個(gè)Epoch；
Iteration：一批樣本輸入到模型中，稱之為一個(gè)Iteration；
Batchsize：批大小，決定一個(gè)Epoch中有多少個(gè)Iteration；
還是舉一個(gè)實(shí)例：
import torch
import torch.utils.data.dataset as Dataset
import torch.utils.data.dataloader as DataLoader
import numpy as np
Data = np.asarray([[1, 2], [3, 4],[5, 6], [7, 8]])
Label = np.asarray([[0], [1], [0], [2]])
#創(chuàng)建子類
class subDataset(Dataset.Dataset):
#初始化，定義數(shù)據(jù)內(nèi)容和標(biāo)簽
def __init__(self, Data, Label):
self.Data = Data
self.Label = Label
#返回?cái)?shù)據(jù)集大小
def __len__(self):
return len(self.Data)
#得到數(shù)據(jù)內(nèi)容和標(biāo)簽
def __getitem__(self, index):
data = torch.Tensor(self.Data[index])
label = torch.IntTensor(self.Label[index])
return data, label
if __name__ == '__main__':
dataset = subDataset(Data, Label)
print(dataset)
print('dataset大小為：', dataset.__len__())
print(dataset.__getitem__(0))
print(dataset[0])
#創(chuàng)建DataLoader迭代器，相當(dāng)于我們要先定義好前面說(shuō)的Dataset,然后再用Dataloader來(lái)對(duì)數(shù)據(jù)進(jìn)行一些操作，比如是否需要打亂，則shuffle=True,是否需要多個(gè)進(jìn)程讀取數(shù)據(jù)num_workers=4,就是四個(gè)進(jìn)程
dataloader = DataLoader.DataLoader(dataset,batch_size= 2, shuffle = False, num_workers= 4)
for i, item in enumerate(dataloader): #可以用enumerate來(lái)提取出里面的數(shù)據(jù)
print('i:', i)
data, label = item #數(shù)據(jù)是一個(gè)元組
print('data:', data)
print('label:', label)四、將Dataset數(shù)據(jù)和標(biāo)簽放在GPU上（代碼執(zhí)行順序出錯(cuò)則會(huì)有bug）
總結(jié)下來(lái)時(shí)有兩種方法解決
1.如果在創(chuàng)建Dataset的類時(shí)，定義__getitem__方法的時(shí)候，將數(shù)據(jù)轉(zhuǎn)變?yōu)镚PU類型。則需要將Dataloader里面的參數(shù)num_workers設(shè)置為0，因?yàn)檫@個(gè)參數(shù)是對(duì)于CPU而言的。如果數(shù)據(jù)改成了GPU,則只能單進(jìn)程。如果是在Dataloader的部分，先多個(gè)子進(jìn)程讀取，再轉(zhuǎn)變?yōu)镚PU，則num_wokers不用修改。就是上述__getitem__部分的代碼，移到Dataloader部分。
2.不過(guò)一般來(lái)講，數(shù)據(jù)集和標(biāo)簽不會(huì)像我們上述編輯的那么簡(jiǎn)單。一般再kaggle上的標(biāo)簽都是存在CSV這種文件中。需要pandas的配合。
小結(jié)
到此這篇關(guān)于pytorch如何進(jìn)行數(shù)據(jù)讀取的文章就介紹到這了,更多pytorch相關(guān)的學(xué)習(xí)內(nèi)容請(qǐng)搜索W3Cschool以前的文章或繼續(xù)瀏覽下面的相關(guān)文章。
