[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例

什么是数据集(Dataset)?

PyTorch的Dataset是一个抽象类,用于表示数据集。它提供了一些通用的方法,如__len__()__getitem__(),分别用于获取数据集的大小和获取指定索引的数据样本。用户可以通过继承Dataset类并实现这些方法来自定义自己的数据集。

Dataset类:

[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例_第1张图片

TensorDataset类:

[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例_第2张图片 

此外,在torchvision库中,针对视觉处理,提供了继承自Dataset的VisionDataset类作为机器视觉数据集的基础类,目前实现了VisionDataset类的子类有74个数据集(比如CIFAR*, MNIST)。

[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例_第3张图片 

[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例_第4张图片 

数据集(Dataset)使用场景

数据集(Dataset)使用场景如下:

  1. 机器学习项目中需要处理大量数据时,可以使用PyTorch的Dataset来组织和管理数据。
  2. 需要对数据进行预处理、增强或归一化等操作时,可以使用PyTorch的Dataset来方便地实现这些功能。
  3. 需要将数据集加载到内存中时,可以使用PyTorch的Dataset来实现高效的数据读取和缓存。

什么是数据加载器(DataLoader)?

PyTorch的DataLoader是一个用于加载数据的工具,它可以将数据集分批次地加载到内存中,并支持多线程并行处理。使用DataLoader可以方便地实现小批量训练、分布式训练和数据增强等操作。

[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例_第5张图片

参数说明:

  • dataset:要加载的数据集对象,必须是torch.utils.data.Dataset的子类。
  • batch_size:每个批次的大小,默认为1。
  • shuffle:是否在每个epoch开始时打乱数据顺序,默认为False。
  • sampler:用于指定从数据集中抽取样本的策略,可以是torch.utils.data.Sampler或其子类的对象。
  • batch_sampler:与sampler类似,但是用于指定从数据集中抽取批次的策略,可以是torch.utils.data.BatchSampler或其子类的对象。
  • num_workers:用于数据加载的子进程数,默认为0,表示不使用多进程加载数据。
  • collate_fn:用于将多个样本组合成一个批次的函数,默认为torch.utils.data.dataloader.default_collate
  • pin_memory:是否将数据存储在固定内存中,默认为False。
  • drop_last:如果为True,则丢弃最后一个不完整的批次,默认为False。
  • timeout:从工作进程中获取数据的超时时间,默认为0,表示无限等待。
  • worker_init_fn:用于初始化工作进程的函数,默认为None。
  • multiprocessing_context:用于指定多进程上下文的类型,默认为None。

 

数据加载器(DataLoader)使用场景

DataLoader使用场景:

  1. 机器学习项目中需要处理大量数据时,可以使用DataLoader来组织和管理数据。
  2. 需要对数据进行预处理、增强或归一化等操作时,可以使用DataLoader来方便地实现这些功能。
  3. 需要将数据集加载到内存中时,可以使用DataLoader来实现高效的数据读取和缓存。
  4. 需要进行小批量训练时,可以使用DataLoader来实现数据的小批量加载。
  5. 需要进行分布式训练时,可以使用DataLoader来实现数据的分布式加载和处理。

数据集(Dataset)和数据加载器(DataLoader)使用案例

import torch
import torch.nn as nn
import numpy as np
import torch.optim as optim
from torch.utils.data import TensorDataset, DataLoader

# 定义神经网络模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(1, 64)
        self.fc2 = nn.Linear(64, 64)
        self.fc3 = nn.Linear(64, 1)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = torch.relu(self.fc2(x))
        x = self.fc3(x)
        return x

model = Net()
print('model:', model)

# 创建数据集
x = torch.randn(1000, 1)  # 生成1000个样本,每个样本有1个特征
print('x.size:', x.size())
noise = torch.from_numpy(np.random.normal(0, 0.1, (1000, 1))).float() # 生成1000 x 1个数值在0~0.1之间噪音
y = 3 * x + 2 + noise  # 生成1000个标签 + 其中包含了噪音
print('y.size:', y.size())
dataset = TensorDataset(x, y)  # 将数据和标签封装成TensorDataset对象
print('dataset:', dataset)
# 创建数据加载器
batch_size = 100  # 每个批次的大小
dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=True)  # 创建DataLoader对象,用于批量加载数据
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)  # 随机梯度下降,学习率为0.01

# 训练模型
num_epochs = 1000
for epoch in range(0,num_epochs):
    # 遍历数据集
    for i, (inputs, labels) in enumerate(dataloader):
        # 前向传播
        outputs = model(inputs)
        
        # 计算损失
        loss = criterion(outputs, labels)
        
        # 反向传播和优化
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        
        if (epoch+1) % 100 == 0:
            print('Epoch [{}/{}], Step [{}/{}], Loss: {:.6f}'.format(epoch+1, num_epochs, i+1, len(dataloader), loss.item()))

[Python] PyTorch之数据集(Dataset)和数据加载器(DataLoader)介绍,使用场景和使用案例_第6张图片

你可能感兴趣的:(python,深度学习,python,pytorch)