pytorch 中 __getitem__ ()和DataLoader

 

 

在构建DataLoader时，需要传入参数dataset，这里可以是自己自定义数据集类，比如上图myDataset

在DataLoader 送入torch中进行训练时，会自动调用数据集类的__getitem__()方法

class myDataset(Dataset):
    def __init__(self, csv_file, txt_file, root_dir, other_file):
        self.csv_data = pd.read_csv(csv_file)
        with open(txt_file, 'r') as f:
            data_list = f.readlines()
        self.txt_data = data_list
        self.root_dir = root_dir
 
    def __len__(self):
        return len(self.csv_data)
 
    def __getitem__(self, idx):
        data = (self.csv_data[idx], self.txt_data[idx])
        return data
 
dataiter = DataLoader(myDataset, batch_size=32, shuffle=True)

 

 

__getitem__()方法理解

如果在类中定义了__getitem__()方法，那么他的实例对象（假设为P）就可以这样P[key]取值。当实例对象做P[key]运算时，就会调用类中的__getitem__()方法。

class DataTest():
    def __init__(self,id,address):
        self.id = id
        self.address = address
        self.d = {self.id : 1,
                  self.address:"172.0.0.1"
                 }
    def __getitem__(self, key):
        return "hello"

data = DataTest(1, "172.0.0.1")
print(data.__getitem__(2))      # hello

print(data[1])  # hello

 

 

如果类把某个属性定义为序列，可以使用__getitem__()输出序列属性中的某个元素.

#__getitem__
#如果类把某个属性定义为序列，可以使用__getitem__()输出序列属性中的某个元素.
class FruitShop():
     def __getitem__(self,i):
         return self.fruits[i] #可迭代对象


if __name__ == "__main__":
    shop = FruitShop()
    print(shop)                            #__main__.FruitShop instance
    shop.fruits = ["apple", "banana"]
    print(shop[1])                           #banana
    for item in shop:
        print(item)   # appale banana