【pytorch】Pytorch中的TensorDataset与DataLoader
TensorDataset
描述
TensorDataset用来对tensor进行打包,就好像python中的zip功能。该类通过每一个tensor的第一个维度进行索引。因此,该类中的tensor的第一维度必须相等。
代码
from torch.utils.data import TensorDataset
import torch
from torch.utils.data import DataLoader
a=torch.tensor([[1,2,3],[4,5,6],[7,8,9],[1,2,3],[4,5,6],[7,8,9],[1,2,3],[4,5,6],[7,8,9]])
b=torch.tensor([44,55,66,44,55,66,44,55,66,44,55,66])
train_ids = TensorfDataset(a,b)
print(train_ids[0:1])
print('='*60)
for x_train,y_label in train_ids:
print(x_train,y_label)
(tensor([4,5,6]),tensor(55))
============================================================
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
DataLoader进行数据封装
描述
torch.utils.data.DataLoader 主要是对数据进行 batch 的划分,在训练模型时使用到此函数,用来把训练数据分成多个小组,此函数每次抛出一组数据。直至把所有的数据都抛出。完成数据的初始化。
用法
train_loader = DataLoader(dataset=train_ids,batch_size=4,shuffle=True) # shuffle参数:打乱数据顺序,默认为False
代码
BATCH_SIZE刚好整除数据量
说明:共有10条数据,设置BATCH_SIZE为5进行划分,能划分为2组(step为0和1)。这两组数据互斥。
"""
批训练，把数据变成一小批一小批数据进行训练。
DataLoader就是用来包装所使用的数据，每次抛出一批数据
"""
import torch
import torch.utils.data as Data
BATCH_SIZE = 5 # 批训练的数据个数
x = torch.linspace(1, 10, 10) # 训练数据
print(x)
y = torch.linspace(10, 1, 10) # 标签
print(y)
# 把数据放在数据库中
torch_dataset = Data.TensorDataset(x, y) # 对给定的 tensor 数据，将他们包装成 dataset
loader = Data.DataLoader(
# 从数据库中每次抽出batch size个样本
dataset=torch_dataset, # torch TensorDataset format
batch_size=BATCH_SIZE, # mini batch size
shuffle=True, # 要不要打乱数据 (打乱比较好)
num_workers=2, # 多线程来读数据
)
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))
show_batch()
运行结果:
tensor([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
tensor([10., 9., 8., 7., 6., 5., 4., 3., 2., 1.])
(tensor(2.), tensor(9.))
steop:0, batch_x:tensor([2., 1., 9., 3., 4.]), batch_y:tensor([ 9., 10., 2., 8., 7.])
steop:1, batch_x:tensor([ 6., 10., 7., 8., 5.]), batch_y:tensor([5., 1., 4., 3., 6.])
steop:0, batch_x:tensor([4., 1., 9., 2., 8.]), batch_y:tensor([ 7., 10., 2., 9., 3.])
steop:1, batch_x:tensor([ 6., 10., 5., 3., 7.]), batch_y:tensor([5., 1., 6., 8., 4.])
steop:0, batch_x:tensor([10., 3., 4., 7., 6.]), batch_y:tensor([1., 8., 7., 4., 5.])
steop:1, batch_x:tensor([2., 1., 8., 5., 9.]), batch_y:tensor([ 9., 10., 3., 6., 2.])
BATCH_SIZE 不整除数据量
说明:会输出余下所有数据
将上述代码中的BATCH_SIZE改为4:
"""
批训练，把数据变成一小批一小批数据进行训练。
DataLoader就是用来包装所使用的数据，每次抛出一批数据
"""
import torch
import torch.utils.data as Data
BATCH_SIZE = 4 # 批训练的数据个数
x = torch.linspace(1, 10, 10) # 训练数据
print(x)
y = torch.linspace(10, 1, 10) # 标签
print(y)
# 把数据放在数据库中
torch_dataset = Data.TensorDataset(x, y) # 对给定的 tensor 数据，将他们包装成 dataset
loader = Data.DataLoader(
# 从数据库中每次抽出batch size个样本
dataset=torch_dataset, # torch TensorDataset format
batch_size=BATCH_SIZE, # mini batch size
shuffle=True, # 要不要打乱数据 (打乱比较好)
num_workers=2, # 多线程来读数据
)
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))
show_batch()
运行结果:
tensor([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
tensor([10., 9., 8., 7., 6., 5., 4., 3., 2., 1.])
steop:0, batch_x:tensor([3., 7., 4., 1.]), batch_y:tensor([ 8., 4., 7., 10.])
steop:1, batch_x:tensor([ 8., 10., 5., 2.]), batch_y:tensor([3., 1., 6., 9.])
steop:2, batch_x:tensor([6., 9.]), batch_y:tensor([5., 2.])
steop:0, batch_x:tensor([ 2., 1., 10., 6.]), batch_y:tensor([ 9., 10., 1., 5.])
steop:1, batch_x:tensor([4., 8., 5., 9.]), batch_y:tensor([7., 3., 6., 2.])
steop:2, batch_x:tensor([3., 7.]), batch_y:tensor([8., 4.])
steop:0, batch_x:tensor([5., 2., 7., 1.]), batch_y:tensor([ 6., 9., 4., 10.])
steop:1, batch_x:tensor([ 8., 10., 6., 9.]), batch_y:tensor([3., 1., 5., 2.])
steop:2, batch_x:tensor([3., 4.]), batch_y:tensor([8., 7.])