pytorch从dataloader取一个batch的数据

最新推荐文章于 2024-07-06 14:11:57 发布

球场书生

最新推荐文章于 2024-07-06 14:11:57 发布

阅读量1.1w

点赞数 7

分类专栏： python AI代码相关基础知识文章标签： pytorch batch 深度学习

本文链接：https://blog.csdn.net/qq_41917697/article/details/122245359

版权

AI代码相关基础知识同时被 2 个专栏收录

19 篇文章 9 订阅

订阅专栏

python

6 篇文章 2 订阅

订阅专栏

本文介绍了如何在PyTorch中利用两个DataLoader分别加载数据集，以构建正负样本对。通过迭代其中一个DataLoader并使用next()函数从另一个DataLoader获取数据，实现了同时从两个数据流中交替取样。这种方式在训练过程中对于需要正负样本配对的任务非常有用。

摘要由CSDN通过智能技术生成

pytorch从dataloader取一个batch的数据

有时候我们需要创建两个DataLoader，来构建正负样本对。这就意味着我们需要从不同DataLoader中取数据。
dataloader本质上是一个可迭代对象，可以使用iter()进行访问，采用iter(dataloader)返回的是一个迭代器，然后使用for i in iter(dataloader)循环读取，也可以使用next()访问一次。

dataset1= MyDataSet(transform=transforms,dataset_path = './GAN_image_data/')
dataset2= MyDataSet(transform=transforms,dataset_path = './GAN_image_data/')
loader1 = DataLoader(dataset1, batch_size=BATCH_SIZE, shuffle=False,drop_last=False)
loader2 = DataLoader(dataset2, batch_size=BATCH_SIZE, shuffle=False,drop_last=False)

for batch_idx, (data, _) in enumerate(loader1):
    y = data 
    y_pred =next(iter(loader2))[0] #[tensor] 列表里是tensor
    m.update((y_pred, y))