【零基础-3】PaddlePaddle学习Bert

概要

【零基础-1】PaddlePaddle学习Bert_ 一只博客-CSDN博客https://blog.csdn.net/qq_42276781/article/details/121488335【零基础-2】PaddlePaddle学习Bert_ 一只博客-CSDN博客https://blog.csdn.net/qq_42276781/article/details/121523268

Cell 7

# 创建dataloader
def create_dataloader(dataset,
                      mode='train',
                      batch_size=1,
                      batchify_fn=None,
                      trans_fn=None):
    if trans_fn:
        dataset = dataset.map(trans_fn)

    shuffle = True if mode == 'train' else False
    if mode == 'train':
        batch_sampler = paddle.io.DistributedBatchSampler(
            dataset, batch_size=batch_size, shuffle=shuffle)
    else:
        batch_sampler = paddle.io.BatchSampler(
            dataset, batch_size=batch_size, shuffle=shuffle)

    return paddle.io.DataLoader(
        dataset=dataset,
        batch_sampler=batch_sampler,
        collate_fn=batchify_fn,
        return_list=True)

Snippet  1

def create_dataloader(dataset,
                      mode='train',
                      batch_size=1,
                      batchify_fn=None,
                      trans_fn=None):

create_dataloader，创建数据加载器，输入数据集dataset、模式mode（默认为训练集）、batchify_fn（未知，暂时理解成batchify_function，即batch化的函数）、trans_fn（转换样本的函数）。

Snippet 2

if trans_fn:
        dataset = dataset.map(trans_fn)

如果传入了trans_fn，就使用trans_fn将dataset进行一个转换，dataset.map的api文档如下

dataset — PaddleNLP 文档https://paddlenlp.readthedocs.io/zh/latest/source/paddlenlp.datasets.dataset.html?highlight=dataset.map#paddlenlp.datasets.dataset.MapDataset.map

Snippet 3

shuffle = True if mode == 'train' else False

如果是训练集，就打乱，否则不打乱，这里的语法相当于C、Java的三目运算符

shuffle = mode == 'train' ? true : false 

Snippet 4

if mode == 'train':
        batch_sampler = paddle.io.DistributedBatchSampler(
            dataset, batch_size=batch_size, shuffle=shuffle)
    else:
        batch_sampler = paddle.io.BatchSampler(
            dataset, batch_size=batch_size, shuffle=shuffle)

如果传入的是训练集，则调用paddle.io.DistributedBatchSampler处理得到batch_sampler，如果传入的不是训练集，则调用paddle.io.BatchSampler处理得到batch_sampler。

这里为什么要得到batch_sampler呢？