pytorch 6中batch_train批訓(xùn)練操作的示例分析

這篇文章主要介紹pytorch 6中batch_train批訓(xùn)練操作的示例分析，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

看代碼吧~

import torch
import torch.utils.data as Data
torch.manual_seed(1)    # reproducible
# BATCH_SIZE = 5  
BATCH_SIZE = 8      # 每次使用8個(gè)數(shù)據(jù)同時(shí)傳入網(wǎng)路
x = torch.linspace(1, 10, 10)       # this is x data (torch tensor)
y = torch.linspace(10, 1, 10)       # this is y data (torch tensor)
torch_dataset = Data.TensorDataset(x, y)
loader = Data.DataLoader(
    dataset=torch_dataset,      # torch TensorDataset format
    batch_size=BATCH_SIZE,      # mini batch size
    shuffle=False,              # 設(shè)置不隨機(jī)打亂數(shù)據(jù) random shuffle for training
    num_workers=2,              # 使用兩個(gè)進(jìn)程提取數(shù)據(jù)，subprocesses for loading data
)
def show_batch():
    for epoch in range(3):   # 全部的數(shù)據(jù)使用3遍，train entire dataset 3 times
        for step, (batch_x, batch_y) in enumerate(loader):  # for each training step
            # train your data...
            print('Epoch: ', epoch, '| Step: ', step, '| batch x: ',
                  batch_x.numpy(), '| batch y: ', batch_y.numpy())
if __name__ == '__main__':
    show_batch()

BATCH_SIZE = 8 , 所有數(shù)據(jù)利用三次

Epoch:  0 | Step:  0 | batch x:  [1. 2. 3. 4. 5. 6. 7. 8.] | batch y:  [10.  9.  8.  7.  6.  5.  4.  3.]
Epoch:  0 | Step:  1 | batch x:  [ 9. 10.] | batch y:  [2. 1.]
Epoch:  1 | Step:  0 | batch x:  [1. 2. 3. 4. 5. 6. 7. 8.] | batch y:  [10.  9.  8.  7.  6.  5.  4.  3.]
Epoch:  1 | Step:  1 | batch x:  [ 9. 10.] | batch y:  [2. 1.]
Epoch:  2 | Step:  0 | batch x:  [1. 2. 3. 4. 5. 6. 7. 8.] | batch y:  [10.  9.  8.  7.  6.  5.  4.  3.]
Epoch:  2 | Step:  1 | batch x:  [ 9. 10.] | batch y:  [2. 1.]

補(bǔ)充：pytorch批訓(xùn)練bug

問(wèn)題描述：

在進(jìn)行pytorch神經(jīng)網(wǎng)絡(luò)批訓(xùn)練的時(shí)候，有時(shí)會(huì)出現(xiàn)報(bào)錯(cuò)　

TypeError: batch must contain tensors, numbers, dicts or lists; found <class 'torch.autograd.variable.Variable'>

解決辦法：

第一步：

檢查(重點(diǎn)?。。。。?：

train_dataset = Data.TensorDataset(train_x, train_y)

train_x，和train_y格式，要求是tensor類(lèi)，我第一次出錯(cuò)就是因?yàn)閭魅氲氖莢ariable

可以這樣將數(shù)據(jù)變?yōu)閠ensor類(lèi)：

train_x = torch.FloatTensor(train_x)

第二步：

train_loader = Data.DataLoader(
        dataset=train_dataset,
        batch_size=batch_size,
        shuffle=True
    )

實(shí)例化一個(gè)DataLoader對(duì)象

第三步：

for epoch in range(epochs):
        for step, (batch_x, batch_y) in enumerate(train_loader):
            batch_x, batch_y = Variable(batch_x), Variable(batch_y)

這樣就可以批訓(xùn)練了

需要注意的是：train_loader輸出的是tensor，在訓(xùn)練網(wǎng)絡(luò)時(shí)，需要變成Variable

以上是“pytorch 6中batch_train批訓(xùn)練操作的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！