007_wz_ledr_pytorch深度学习实战_第八讲——加载数据集

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

三、参考

pytorch深度学习实践
PyTorch 深度学习实践 第8讲
PyTorch学习（七）–加载数据集