您好,登錄后才能下訂單哦!
這篇文章主要介紹“python torch.utils.data.DataLoader怎么使用”,在日常操作中,相信很多人在python torch.utils.data.DataLoader怎么使用問題上存在疑惑,小編查閱了各式資料,整理出簡(jiǎn)單好用的操作方法,希望對(duì)大家解答”python torch.utils.data.DataLoader怎么使用”的疑惑有所幫助!接下來,請(qǐng)跟著小編一起來學(xué)習(xí)吧!
PyTorch中數(shù)據(jù)讀取的一個(gè)重要接口是torch.utils.data.DataLoader,該接口定義在dataloader.py腳本中,只要是用PyTorch來訓(xùn)練模型基本都會(huì)用到該接口,該接口主要用來將自定義的數(shù)據(jù)讀取接口的輸出或者PyTorch已有的數(shù)據(jù)讀取接口的輸入按照batch size封裝成Tensor,后續(xù)只需要再包裝成Variable即可作為模型的輸入,因此該接口有點(diǎn)承上啟下的作用,比較重要。
數(shù)據(jù)加載器,結(jié)合了數(shù)據(jù)集和取樣器,并且可以提供多個(gè)線程處理數(shù)據(jù)集。
在訓(xùn)練模型時(shí)使用到此函數(shù),用來把訓(xùn)練數(shù)據(jù)分成多個(gè)小組,此函數(shù)每次拋出一組數(shù)據(jù)。直至把所有的數(shù)據(jù)都拋出。就是做一個(gè)數(shù)據(jù)的初始化。
生成迭代數(shù)據(jù)非常方便,請(qǐng)看如下示例:
""" 批訓(xùn)練,把數(shù)據(jù)變成一小批一小批數(shù)據(jù)進(jìn)行訓(xùn)練。 DataLoader就是用來包裝所使用的數(shù)據(jù),每次拋出一批數(shù)據(jù) """ import torch import torch.utils.data as Data BATCH_SIZE = 5 x = torch.linspace(1, 10, 10) y = torch.linspace(10, 1, 10) # 把數(shù)據(jù)放在數(shù)據(jù)庫中 torch_dataset = Data.TensorDataset(x, y) loader = Data.DataLoader( # 從數(shù)據(jù)庫中每次抽出batch size個(gè)樣本 dataset=torch_dataset, batch_size=BATCH_SIZE, shuffle=True, num_workers=2, ) def show_batch(): for epoch in range(3): for step, (batch_x, batch_y) in enumerate(loader): # training print("steop:{}, batch_x:{}, batch_y:{}".format(step, batch_x, batch_y)) if __name__ == '__main__': show_batch()
結(jié)果:
我們來看一下變量類型:
到此,關(guān)于“python torch.utils.data.DataLoader怎么使用”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí),請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站,小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。