一、目的
加载数据集,使用mini-batch
二、编程
在之前的编程基础上我们增加了两个类来实现mini-batch
- DataSet 是抽象类,不能实例化对象,主要是用于构造我们的数据集
- DataLoader 需要获取DataSet提供的索引[i]和len;用来帮助我们加载数据,比如说做shuffle(提高数据集的随机性),batch_size,能拿出Mini-Batch进行训练。它帮我们自动完成这些工作。DataLoader可实例化对象。
import torch
import numpy as np
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt
'''
Dataset是一个抽象函数,不能直接实例化,所以我们要创建一个自己类,继承Dataset
继承Dataset后我们必须实现三个函数:
__init__()是初始化函数,之后我们可以提供数据集路径进行数据的加载
__getitem__()帮助我们通过索引找到某个样本
__len__()帮助我们返回数据集大小
'''
class DiabetesDataset(Dataset):
def __init__(self, filepath):
xy = np.loadtxt(filepath, delimiter=',', dtype=np.float32)
self.len = xy.shape[0]
self.x_data = torch.from_numpy(xy[:, :-1])
self.y_data = torch.from_numpy(xy[:, [-1]])
def __getitem__(self, index):
return self.x_data[index], self.y_data[index]
def __len__(self):
return self.len
# 定义好DiabetesDataset后我们就可以实例化他了
dataset = DiabetesDataset("diabetes.csv.gz")
# 我们用DataLoader为数据进行分组,batch_size是一个组中有多少个样本,shuffle表示要不要对样本进行随机排列
# 一般来说,训练集我们随机排列,测试集不。num_workers表示我们可以用多少进程并行的运算
train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=2)
class Model(torch.nn.Module):
def __init__(self): # 构造函数
super(Model, self).__init__()
self.linear1 = torch.nn.Linear(8, 6) # 8维到6维
self.linear2 = torch.nn.Linear(6, 4) # 6维到4维
self.linear3 = torch.nn.Linear(4, 1) # 4维到1维
self.sigmoid = torch.nn.Sigmoid()
self.relu = torch.nn.ReLU()
def forward(self, x): # 构建一个计算图,就像上面图片画的那样
x = self.relu(self.linear1(x))
x = self.relu(self.linear2(x))
x = self.sigmoid(self.linear3(x))
return x
model = Model() # 实例化模型
criterion = torch.nn.BCELoss(reduction="mean")
optimizer = torch.optim.SGD(model.parameters(), lr=0.1) # lr为学习率
'''
enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列,同时列出数据下标和数据,一般用在 for 循环当中。
语法
以下是 enumerate() 方法的语法:
enumerate(sequence, [start=0])
参数
sequence -- 一个序列、迭代器或其他支持迭代对象。
start -- 下标起始位置。
返回值
返回 enumerate(枚举) 对象。
'''
# 开始训练
cost_list = []
if __name__ == '__main__': # if这条语句在windows系统下一定要加,否则会报错
for epoch in range(10):
for i, data in enumerate(train_loader, 0): # 取出一个bath
# 导入数据
inputs, labels = data # 将输入的数据赋给inputs,结果赋给labels
# 正向传播
y_pred = model(inputs)
loss = criterion(y_pred, labels)
# 反向传播
optimizer.zero_grad()
loss.backward()
# 更新参数
optimizer.step()
print(epoch, loss.item())
cost_list.append(loss.item())
plt.plot(cost_list)
plt.xlabel("epoch")
plt.ylabel("cost")
plt.show()
这个训练集训练出来的模型感觉收敛太快,结果比较糟糕,就不放图了