DataLoader可通过collate_fn参数,对Dataset生成的mini-batch的可迭代数据进行后处理,如数据填充。
collate_fn应当是一个可调用对象,常见的可以是外部定义的函数或者lambda函数。
其接受DataLoader。在不设置collate_fn参数时,DataLoader的mini-batch样本序列样式取决于对应dataset参数的设置。而dataset只要是覆写了__init__、__getitem__和__len__方法的Dataset子类即可,所以其输出形式可以很多样化。而collate_fn对于上述的输出进行进一步的加工,可通过定义采样、切片、组合和数学操作等一系列操作,生成最终的训练数据。
下面的代码如果对x,y处设置调试断点,则第一步跳转就是执行MyDataset的gittiem获取一个mini-batch数据,然后跳转到unify_fn后处理函数处理一个批次数据,所以DataLoader的mini-batch输出是经过unify处理后的输出。
import torch
from torch.utils.data import Dataset, DataLoader
A = torch.randn(8, 3) # 待拼接的张量A
B = torch.randn(8, 2) # 待拼接的张量B
C = torch.randn(8, 2) # labels张量
# 1. 利用Dataset封装数据集
class MyDataset(Dataset):
def __init__(self, x1, x2, y):
assert x1.size(0)==x2.size(0)==y.size(0)
self.x1, self.x2, self.y = x1, x2, y
def __getitem__(self, idx):
return (self.x1[idx], self.x2[idx], self.y[idx])