Pytorch自定义数据集

Pytorch的Dataset与DataLoader用于自定义数据集和梯度训练。
首先，定义自己的数据集需要继承Dataset

from torch.utils.data import Dataset,DataLoader
class GetData(Dataset):
	#初始化需要定义数据集
	def __init__(self,datas,labels):
		self.data = datas
		self.label = labels
	
	#迭代获取数据
	def __getitem__(self,index):
		data = self.data[index]
		label = self.label[index]
		return data,label
	
	def __len__(self):
		return len(self.data)

#随机生成测试集
import numpy as np
source_data = np.random.rand(10,20)
source_label = np.random.rand(0,2,(10,1))

myData = GetData(source_data,source_label)

其次，构建DataLoader对象

myDataLoader = DataLoader(myData,batch_size=5,shuffle=True,drop_last=False,num_workers=2)

for i,data in enumerate(myDataLoader):
	print('第{}个batch \n'.format(i,data))

#迭代
EPOCHS=5
for epoch in range(EPOCHS):
	for i , data in enumerate(myDataLoader):
		print('第{}个batch \n'.format(i,data))