【学习笔记】【Pytorch】五、DataLoader的使用

学习地址

PyTorch深度学习快速入门教程【小土堆】.

主要内容

一、DataLoader模块介绍
介绍：分配数据集。
二、DataLoader类的使用
作用：数据加载器。组合数据集和采样器，在给定数据集上时可迭代的。

一、DataLoader模块介绍

from torch.utils.data import DataLoader

介绍：通常在使用pytorch训练神经网络时，DataLoader模块是整个网络训练过程中的基础前提且尤为重要，其主要作用是根据传入接口的参数将训练集分为若干个大小为batch size的batch以及其他一些细节上的操作。
DataLoader.py文件结构：

二、DataLoader类的使用

作用：数据加载器。组合数据集和采样器，在给定数据集上时可迭代的。

1.使用说明

【实例化】DataLoader(dataset: Dataset[T_co],
batch_size: Optional[int] = 1,
shuffle: Optional[bool] = None,
sampler: Union[Sampler, Iterable, None] = None,
batch_sampler: Union[Sampler[Sequence],
Iterable[Sequence], None] = None,
num_workers: int = 0,
collate_fn: Optional[_collate_fn_t] = None,
pin_memory: bool = False, drop_last: bool = False,
timeout: float = 0,
worker_init_fn: Optional[_worker_init_fn_t] = None,
multiprocessing_context=None, generator=None,
*, prefetch_factor: int = 2,
persistent_workers: bool = False,
pin_memory_device: str = “”)

• 作用：创建一个数据集的实例。

• 参数说明：
  batch_size（int，可选）：每个batch（批次）要加载多少个样本（默认值：1）。
  

• 例子：

# 创建 CIFAR10 实例,测试集(注:初始为PIL图片)
test_set = datasets.CIFAR10(root="./dataset", train=False, transform=transforms.ToTensor())

# 创建 DataLoader 实例
test_loader = DataLoader(dataset=test_set, batch_size=4, shuffle=True, num_workers=0, drop_last=False)

【可迭代对象】for data in DataLoader_object

• 作用：依次遍历每一个batch（批次），每一个batch有batch_size张图片。

for data in test_loader:  # 可迭代对象
    imgs, targets = data  # 两个参数
    # torch.Size([4, 3, 32, 32])，参数1-打包几(batch_size)张图片；参数2-图片通道；参数3、4-图片像素大小
    print(imgs.shape)
    # tensor([3, 3, 8, 9])，4张图片的分别的类别索引
    print(targets)

2.代码实现

from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms, datasets
from torch.utils.data import DataLoader


# 创建 CIFAR10 实例,测试集(注:初始为PIL图片)
test_set = datasets.CIFAR10(root="./dataset", train=False, transform=transforms.ToTensor())

# 创建 DataLoader 实例
test_loader = DataLoader(dataset=test_set, batch_size=4, shuffle=True, num_workers=0, drop_last=False)

# 测试数据集中的第一张图片及target
img, target = test_set[0]  # __getitem__：下标获取类中对应元素值
print(img.shape)
print(target)

writer = SummaryWriter("dataloader_logs")  # 创建实例


print("test_loader-len:", len(test_loader))
for epoch in range(2):  # 演示不同epoch，数据集的顺序是否打乱（shuffle=True）
    step = 0
    for data in test_loader:  # 可迭代对象
        imgs, targets = data
        # torch.Size([4, 3, 32, 32])，参数1-打包几(batch_size)张图片；参数2-图片通道；参数3、4-图片像素大小
        print("\nimgs.shape：\n", imgs.shape)
        # tensor([3, 3, 8, 9])，4张图片的分别的类别索引
        print("\ntargets：\n", targets)

        writer.add_images("Epoch {} test_data".format((epoch)), imgs, step)  # 注：writer.add_image()适用于单张图片
        step += 1

writer.close()

控制台输出：

torch.Size([3, 32, 32])
3
test_loader-len: 2500

imgs.shape：
 torch.Size([4, 3, 32, 32])

targets：
 tensor([1, 1, 4, 6])

imgs.shape：
 torch.Size([4, 3, 32, 32])

targets：
 tensor([9, 7, 8, 0])
 ....
 ....
 ....

TensorBoard输出：

• 不同epoch，数据集的顺序打乱。（shuffle=True）
• 数据集大小不被batch size整除时，不将最后比较小的batch给丢弃。（drop_last=False）
• batch_size=4
  
  TensorBoard输出：
• 不同epoch，数据集的顺序不打乱。（shuffle=False）
• 数据集大小不被batch size整除时，不将最后比较小的batch给丢弃。（drop_last=False）
• batch_size=64
  

TensorBoard输出：

• 数据集大小不被batch size整除时，将最后比较小的batch给丢弃。（drop_last=True）
  

好的文章

Pytorch源码解读——DataLoader模块