深度学习基础知识 Dataset 与 DataLoade的用法解析

1、Dataset

代码：

import torch
from torch.utils import data



class MyDataset(torch.utils.data.Dataset):
    def __init__(self):
        self.data=torch.arange(0,20)
    
    def __getitem__(self,index):
        x=self.data[index]
        y=x * 2
        return y
    
    def __len__(self):
        return len(self.data)
    
# 定义DataLoader
dataset=MyDataset()
print(len(dataset))
print(dataset[3])

打印结果：

2、DataLoader

import torch
from torch.utils import data

class MyDateset(torch.utils.data.Dataset):
    def __init__(self):
        self.data=torch.arange(0,20)

    def __getitem__(self,index):
        x=self.data[index]
        y=x * 2
        return y
    def __len__(self):
        return len(self.data)
    

# 定义DataLoader
dataset=MyDateset()
print(len(dataset))
print(dataset[3])

dataloader=torch.utils.data.DataLoader(dataset,shuffle=True,batch_size=4)
print(len(dataloader))

for x in dataloader:
    print(x)

打印结果如下所示：

参数设置：

1、pin_memory

2、num_workers

3、collate_fn

分类任务

目标检测任务

在进行目标检测任务中，需要重写collate方法，并将方法传入到DataLoader中