08.加载数据集

一、加载数据集

全部数据：Batch 最大化利用向量的优势，提升计算速度（利用CPU GPU的并行计算能力）

随机梯度下降：mini-batch 只用一个样本，有较好的随机性

首先区分了Epoch(前馈、反馈和更新实现一次就是Epoch) \ Batch-Size(进行一次训练所用的样本数量)\ Iterations(内层迭代进行的次数 sum/Batch-size)

shuffle用来打乱数据集中数据的顺序，然后通过Loader将数据划分成mini-batch

DataSet是抽象类，不能实例化对象，主要是用于构造我们的数据集
需要mini_batch就需要 import DataSet和DataLoader
继承DataSet的类需要重写init，getitem，len魔法函数。分别是为了加载数据集，获取数据索引，获取数据总量
DataLoader对数据集先打乱(shuffle)，然后划分成mini_batch
在训练模块加入：if __name__ == '__main__':

训练流程：

代码部分：

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

# 自定义数据集类
class DiabetesDataset(Dataset):
    def __init__(self, filepath):
        xy = np.loadtxt(filepath, delimiter=',', dtype=np.float32)
        self.len = xy.shape[0]              # 获取数据集中的样本数量
        self.x_data = torch.from_numpy(xy[:, :-1])  # 提取特征数据
        self.y_data = torch.from_numpy(xy[:, [-1]])  # 提取标签数据

    def __getitem__(self, index):
        return self.x_data[index], self.y_data[index]

    def __len__(self):
        return self.len

# 创建数据集实例
dataset = DiabetesDataset('diabetes.csv.gz')

# 创建数据加载器，用于批量加载数据
train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=2)

# 定义神经网络模型
class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear1 = torch.nn.Linear(8, 6)  # 输入维度为8，输出维度为6的线性层
        self.linear2 = torch.nn.Linear(6, 4)  # 输入维度为6，输出维度为4的线性层
        self.linear3 = torch.nn.Linear(4, 1)  # 输入维度为4，输出维度为1的线性层
        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()

# 定义损失函数和优化器
criterion = torch.nn.BCELoss(reduction='mean')  # 二元交叉熵损失函数，用于度量预测值和实际标签之间的误差
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)  # 随机梯度下降优化器，用于更新模型的权重和偏置

if __name__ == '__main__':
    for epoch in range(100):  # 迭代100个epoch
        for i, data in enumerate(train_loader, 0):
            inputs, labels = data  # 从数据加载器中获取批量数据
            y_pred = model(inputs)  # 进行前向传播，得到预测值
            loss = criterion(y_pred, labels)  # 计算损失

            print(epoch, i, loss.item())  # 打印当前迭代的epoch、批次和损失值

            optimizer.zero_grad()  # 清零梯度
            loss.backward()  # 反向传播，计算梯度
            optimizer.step()  # 更新模型参数

结果：