Pytorch Dataset导致NAN

在用pytorch写Dataset类时,以下写法有问题:

from torch.utils.data import Dataset

class H5Dataset(Dataset):
    def __len__(self):
        return self.raw.shape[0] * 10

    def __getitem__(self, index):
        index = index % self.raw.shape[0]
        return self.raw[index]

以上代码省略了初始化部分,假设batch_size=4,self.raw.shape[0]=155,即训练样本有155个,上述代码是想在一个epoch里对155个训练样本遍历10次,当一个batch中随机产生的index都是155的整数倍时(如0,155,310,465),index % 155都为0,此时,一个batch中的4个样本都一样,BN会出现问题,loss出现NAN。

所以,最好这样写:

from torch.utils.data import Dataset

class H5Dataset(Dataset):
    def __len__(self):
        return self.raw.shape[0]

    def __getitem__(self, index):
        return self.raw[index]

再把epoch的个数设置得多点就可以了。

PyTorchDataset是一个用来构造支持索引的数据集的类。但是Dataset类本身不能实例化,所以在使用Dataset时,我们需要定义自己的数据集类,也就是继承自Dataset类的子类,来继承Dataset类的属性和方法。这样我们就可以根据自己的数据集的具体需求来实现自定义的数据加载逻辑,例如读取图片、文本等,并将其转换为模型能够接受的格式。通过使用Dataset和自定义的数据集类,我们可以方便地加载和处理数据,为模型的训练提供输入。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [PyTorch基础之数据模块Dataset、DataLoader用法详解(附源码)](https://blog.csdn.net/jiebaoshayebuhui/article/details/130439027)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [PyTorch 解决Dataset和Dataloader遇到的问题](https://download.csdn.net/download/weixin_38746515/12856519)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值