Dataset和DataLoader怎么用？Pytorch數據讀取總結!

一、前言

確保安裝

• scikit-image
• numpy

二、Dataset

一個例子：

# 導入需要的包
import torch
import torch.utils.data.dataset as Dataset
import numpy as np
 
# 編造數據
Data = np.asarray([[1, 2], [3, 4],[5, 6], [7, 8]])
Label = np.asarray([[0], [1], [0], [2]])
# 數據[1,2]，對應的標簽是[0]，數據[3,4],對應的標簽是[1]
 
 
#創(chuàng)建子類
class subDataset(Dataset.Dataset):
    #初始化，定義數據內容和標簽
    def __init__(self, Data, Label):
        self.Data = Data
        self.Label = Label
    #返回數據集大小
    def __len__(self):
        return len(self.Data)
    #得到數據內容和標簽
    def __getitem__(self, index):
        data = torch.Tensor(self.Data[index])
        label = torch.IntTensor(self.Label[index])
        return data, label
 
# 主函數
if __name__ == '__main__':
    dataset = subDataset(Data, Label)
    print(dataset)
    print('dataset大小為：', dataset.__len__())
    print(dataset.__getitem__(0))
    print(dataset[0])

 輸出的結果

我們有了對Dataset的一個整體的把握，再來分析里面的細節(jié)：

#創(chuàng)建子類
class subDataset(Dataset.Dataset):

創(chuàng)建子類時，繼承的時Dataset.Dataset，不是一個Dataset。因為Dataset是module模塊，不是class類，所以需要調用module里的class才行，因此是Dataset.Dataset！

len和getitem這兩個函數，前者給出數據集的大小**，后者是用于查找數據和標簽。是最重要的兩個函數，我們后續(xù)如果要對數據做一些操作基本上都是再這兩個函數的基礎上進行。

三、DatasetLoader

DataLoader(dataset,
           batch_size=1,
           shuffle=False,
           sampler=None,
           batch_sampler=None,
           num_works=0,
           clollate_fn=None,
           pin_memory=False,
           drop_last=False,
           timeout=0,
           worker_init_fn=None,
           multiprocessing_context=None)

功能：構建可迭代的數據裝載器；
dataset:Dataset類，決定數據從哪里讀取及如何讀取；數據集的路徑
batchsize：批大??；
num_works:是否多進程讀取數據；只對于CPU
shuffle：每個epoch是否打亂；
drop_last：當樣本數不能被batchsize整除時，是否舍棄最后一批數據；
Epoch：所有訓練樣本都已輸入到模型中，稱為一個Epoch；
Iteration：一批樣本輸入到模型中，稱之為一個Iteration；
Batchsize：批大小，決定一個Epoch中有多少個Iteration；

還是舉一個實例：

import torch
import torch.utils.data.dataset as Dataset
import torch.utils.data.dataloader as DataLoader
import numpy as np
 
Data = np.asarray([[1, 2], [3, 4],[5, 6], [7, 8]])
Label = np.asarray([[0], [1], [0], [2]])
#創(chuàng)建子類
class subDataset(Dataset.Dataset):
    #初始化，定義數據內容和標簽
    def __init__(self, Data, Label):
        self.Data = Data
        self.Label = Label
    #返回數據集大小
    def __len__(self):
        return len(self.Data)
    #得到數據內容和標簽
    def __getitem__(self, index):
        data = torch.Tensor(self.Data[index])
        label = torch.IntTensor(self.Label[index])
        return data, label
 
if __name__ == '__main__':
    dataset = subDataset(Data, Label)
    print(dataset)
    print('dataset大小為：', dataset.__len__())
    print(dataset.__getitem__(0))
    print(dataset[0])
 
    #創(chuàng)建DataLoader迭代器，相當于我們要先定義好前面說的Dataset,然后再用Dataloader來對數據進行一些操作，比如是否需要打亂，則shuffle=True,是否需要多個進程讀取數據num_workers=4,就是四個進程
 
    dataloader = DataLoader.DataLoader(dataset,batch_size= 2, shuffle = False, num_workers= 4)
    for i, item in enumerate(dataloader): #可以用enumerate來提取出里面的數據
        print('i:', i)
        data, label = item #數據是一個元組
        print('data:', data)
        print('label:', label)

四、將Dataset數據和標簽放在GPU上（代碼執(zhí)行順序出錯則會有bug）

總結下來時有兩種方法解決

1.如果在創(chuàng)建Dataset的類時，定義__getitem__方法的時候，將數據轉變?yōu)镚PU類型。則需要將Dataloader里面的參數num_workers設置為0，因為這個參數是對于CPU而言的。如果數據改成了GPU,則只能單進程。如果是在Dataloader的部分，先多個子進程讀取，再轉變?yōu)镚PU，則num_wokers不用修改。就是上述__getitem__部分的代碼，移到Dataloader部分。

2.不過一般來講，數據集和標簽不會像我們上述編輯的那么簡單。一般再kaggle上的標簽都是存在CSV這種文件中。需要pandas的配合。

小結

到此這篇關于pytorch如何進行數據讀取的文章就介紹到這了,更多pytorch相關的學習內容請搜索W3Cschool以前的文章或繼續(xù)瀏覽下面的相關文章。