Dataset和DataLoader
使用Dataset创建数据集¶
Dataset创建数据集常用的方法有:
1、使用 torch.utils.data.TensorDataset 根据Tensor创建数据集(numpy的array,Pandas的DataFrame需要先转换成Tensor)。
2、使用 torchvision.datasets.ImageFolder 根据图片目录创建图片数据集。
3、继承 torch.utils.data.Dataset 创建自定义数据集。
此外,还可以通过
torch.utils.data.random_split 将一个数据集分割成多份,常用于分割训练集,验证集和测试集。
调用Dataset的加法运算符(+)将多个数据集合并成一个数据集。
1、TensorDataset
Dataset:从numpy和DataFrame创建数据集(numpy的array,Pandas的DataFrame需要先转换成Tensor)。
PyTorch 的 TensorDataset 是一个数据集包装张量。 通过定义索引的长度和方式,这也为我们提供了沿张量的一维进行迭代,索引和切片的方法。 这将使我们在训练的同一行中更容易访问自变量和因变量。
import numpy as np
import torch
from torch.utils.data import TensorDataset,Dataset,DataLoader,random_split
# 根据Tensor创建数据集
from sklearn import datasets
iris = datasets.load_iris()
ds_iris = TensorDataset(torch.tensor(iris.data),torch.tensor(iris.target))
# 分割成训练集和预测集
n_train = int(len(ds_iris)*0.8)
n_valid = len(ds_iris) - n_train
ds_train,ds_valid = random_split(ds_iris,[n_train,n_valid])
print(type(ds_iris))
print(type(ds_train))
输出:
<class 'torch.utils.data.dataset.TensorDataset'>
<class 'torch.utils.data.dataset.Subset'>
#使用DataLoader加载数据集
dl_train,dl_valid = DataLoader(ds_train,batch_size= 8