一、在Pytorch中如何构造数据集和Dataloader
帮助加载数据的两个工具:Dataset、DataLoader
Dataset:构造数据集,应当支持索引
DataLoader:拿出Mini-Batch来供我们使用
①Shuffle:打乱数据集顺序②Loader:将数据集进行分组迭代
二、三个基本概念
Epoch:所有样本都进行了一次训练。
Batch-Size:每次训练所用的样本的数量(这就叫批量大小) 该训练包含了一次前馈、一次反馈、一次更新
Iterations:Batch分成了多少份——内层一共迭代了多少次。(例如10000格样本,每次Mini-Batch 1000 则lterations=10)
三、加载数据集的方法
(1)All Data加载进入内存,再用[i];适用于数据集不大的。
(2)但数据集非常大的时候 ,一次性读入内存是十分不现实的(so我们只读文件名,再通过文件名加载文件)
代码来源:https://blog.csdn.net/m0_46166352/article/details/114271898
import numpy as np
#引入torch
import torch
#从torch的工具的数据里面引入Dataset(是一个抽象类,不能实例化,只能被其他子类去继承)
from torch.utils.data import Dataset
#从torch的工具的 数据里面引入DataLoader(可以实例化一个DataLoader)
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt
#定义糖尿病数据集分类,继承自Dataset
class DiabetesDataset(Dataset):
#自身初始化文件路径
def __init__(self,filepath):
#加载文本,文件路径,分隔符是逗号,数据类型是32位浮点型
xy = np.loadtxt(filepath,delimiter=',',dtype=np.float32)
#长度等于shape[0],长度等于数据的高度
self.len = xy.shape[0]
#x取所有行和除了最后一列的所有列
self.x_data = torch.from_numpy(xy[:,:-1])
#y取所有行和最后一列
self.y_data = torch.from_numpy(xy[:,[-1]])
#使用getitem方法可以通过数据的索引将数据拿出来
def __getitem__(self,index):
#根据x的索引返回x的数据,根据y的索引返回y的数据
return self.x_data[index],self.y_data[index]
#返回数据集的长度
def __len__(self):
return self.len
#实例化
dataset = DiabetesDataset('diabetes.csv')
#dataLoader加载器,传递数据集,设置样本数量为32个,打乱,设置并行工作的数量为0
train_loader=DataLoader(dataset=dataset,batch_size=32,shuffle=True,num_workers=0)
#构造模型
class Model(torch.nn.Module):
#初始化自身对象
def __init__(self):
#super调用父类初始化器
super(Model,self).__init__()
#构造一个输入是8维,输出是6维的线性模型
self.linear1 = torch.nn.Linear(8,6)
#构造一个输入是6维,输出是4维的线性模型
self.linear2 = torch.nn.Linear(6,4)
#构造一个输入是4维,输出是1维的线性模型
self.linear3 = torch.nn.Linear(4,1)
#构造一个逻辑回归模型
self.sigmoid = torch.nn.Sigmoid()
#前向传播
def forward(self,x):
#用sigmoid激活线性模型1,也就是将线性模型1代入到sigmoid里面
x = self.sigmoid(self.linear1(x))
#用sigmoid激活线性模型2
x = self.sigmoid(self.linear2(x))
#用sigmoid激活线性模型3
x = self.sigmoid(self.linear3(x))
#返回x
return x
#实例化模型
model = Model()
#构造二分类交叉熵求损失降维求平均
criterion = torch.nn.BCELoss(reduction='mean')
#优化模块中的SGD模型中的所有参数,学习率为0.1
optimizer = torch.optim.SGD(model.parameters(),lr=0.1)
loss_list = []
#封装到if语句里面
if __name__=='__main__':
#所有数据都跑100遍
for epoch in range(100):
#i是记录第几次,data是数据,用列举的方法将loader中的数据取出,从0开始。
for i,data in enumerate(train_loader,0):
#将输入x和相应的标签y从数据中拿出来
inputs,labels = data
#将输入送入模型中,求y的预测值
y_pred = model(inputs)
#计算损失
loss = criterion(y_pred,labels)
#输出总的循环次数,mini-batch的循环次数,和损失的标量
print(epoch,i,loss.item())
#梯度归零
optimizer.zero_grad()
#反向传播
loss.backward()
#优化更新
optimizer.step()
loss_list.append(loss.item())
print(loss_list)