PyTorch深度学习实践08 加载数据集

• 术语：Epoch，Batch-Size，Iteration

两层循环嵌套，外层循环表示训练周期，内层循环对mini-batch进行迭代

epoch:对所有的样本都进行了一次前向和反向传播

batch-size:每次训练(前馈、反馈、更新)所用的样本数量叫batch-size

iteration：batch分了多少个（内层迭代执行多少次)

 

• DataLoader功能示意图
• torch.utils.data.Dataset是一个抽象类，只能被其他类继承来构造我们自己的数据集
• torch.utils.data.DataLoader帮助我们加载数据
• Dataset类必须有的几个定义：__inti__、__getitem__（使数据集支持下标索引）、__len__（返回数据条数），使该类变成可便利的数据对象
• Python enumerate() 函数

糖尿病数据集：

import torch
import numpy as np
from torch.utils.data import Dataset
from torch.utils.data import DataLoader


# prepare dataset
'''
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]   # shape本身是一个二元组（x,y）对应数据集的行数和列数，这里[0]我们取行数,即样本数
        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


dataset = DiabetesDataset('diabetes.csv') # 实例化dataset
train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=2)  # num_workers 多线程


# design model using class


class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear1 = torch.nn.Linear(8, 6)
        self.linear2 = torch.nn.Linear(6, 4)
        self.linear3 = torch.nn.Linear(4, 1)
        self.sigmoid = torch.nn.Sigmoid()

    def forward(self, x):
        x = self.sigmoid(self.linear1(x))
        x = self.sigmoid(self.linear2(x))
        x = self.sigmoid(self.linear3(x))
        return x


model = Model()

# construct loss and optimizer
criterion = torch.nn.BCELoss(reduction='mean')
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)


# training cycle forward, backward, update
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(100):
        for i, data in enumerate(train_loader, 0): # 取出一个batch
            # 1. prepare data
            inputs, labels = data
            # 2. forward
            y_pred = model(inputs)
            loss = criterion(y_pred, labels)
            print(epoch, i, loss.item())
            # 3.backward
            optimizer.zero_grad()
            loss.backward()
            # 4.update
            optimizer.step()