DataLoader 加载糖尿病数据集训练
import torch
from torch.utils.data import Dataset # 抽象类,不能实例化,只能继承,然后构造自己数据
from torch.utils.data import DataLoader # 加载数据,可以实例化
import numpy as np
class DiabetesDataset(Dataset):
# __init__中有两种选择
# 1.把所有数据data,都从init中加载出来,通过__getitem__把数据集中的第i个样本传递过去。
# 2.数据集比较大时,放置文件名的列表,什么时候用什么时候读取,这样可以保证内存的高效运行
def __init__(self,filepath):
# 因为数据比较小,采用第一种选择,所以将所有数据都加载进了内存中
xy = np.loadtxt(filepath, delimiter=",", dtype= np.float32) # delimiter="," 数据间的分隔符是逗号
self.len = xy.shape[0] # xy是 n 行 9列即(N, 9),shape[0]输出 N
self.x_data = torch.from_numpy(xy[:, :-1]) # xy[:, :-1] 读取所有数据,除了最后一列。
self.y_data = torch.from_numpy(xy[:,[-1]]) # [-1] 将最后一维转数组
def __getitem__(self, index): # 魔法方法,用于索引数据。
return self.x_data[index], self.y_data[index] # python中这样写,返回的是一个元组(x_data,y_data)
def __len__(self): # 数据集长度
return self.len
数据集链接: https://pan.baidu.com/s/1a1MOm9OOn3WpA1stpsj44A
提取码: 3gip
dataset = DiabetesDataset("D:/BaiduYunDownload/diabetes.csv.gz")
train_loader = DataLoader(dataset=dataset, # 传递的数据集
batch_size=32,
shuffle=True, # 是否打乱
) # 是否需要多线程读取。
class Module(torch.nn.Module):
def __init__(self): # define the model architecture
super(Module, self).__init__()
self.linear1 = torch.nn.Linear(8, 6) # 在句尾多家一个逗号,会报错
self.linear2 = torch.nn.Linear(6, 4)
self.linear3 = torch.nn.Linear(4, 1)
self.sigmoid = torch.nn.Sigmoid()
def forward(self, x):
x = self.sigmoid(self.linear1(x))
x = self.sigmoid(self.linear2(x))
x = self.sigmoid(self.linear3(x))
return x
model = Module()
loss_fn = torch.nn.BCELoss(reduction='mean')
optimizer = torch.optim.SGD(model.parameters(),lr = 0.01)
if __name__=='__main__':
for epoch in range(100):
for i, data in enumerate(train_loader, 0): # enumerate是为了获得当前是第几次迭代。train_loader返回的元组,放在了data中。0 表示索引从 0 开始。
inputs, labels = data # 取出数据和标签,Dataset每次都是取x_data与y_data的第 i 行样本,DataLoader 根据batch_size的大小取出成两个矩阵。然后自动转换成tensor。
y_pred = model(inputs)
loss = loss_fn(y_pred, labels)
print(epoch, i, loss.item())
optimizer.zero_grad()
loss.backward()
optimizer.step()