《PyTorch深度学习实践》学习笔记(2)
一 数据集的加载
前文主要是自定义的小批量数据集,这里主要介绍加载外部开源的数据集方法
数据集加载常用的工具:
1)Dataset:主要用于构造数据集,该数据集应该能够支持索引结构;
2)DataLoader:主要用于加载数据集,支持训练时的Mini-Batch(分批进行训练)形式。
1.1 Dataset的构造
import torch
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
//准备数据,自定义数据集类,用以继承Dataset抽象类
//在torch.utils.data中有Dataset抽象类,我们需要根据自己的需要继承这个抽象类,来实现自己的数据集类
class DiabetesDataset(Dataset):
def __init__(self): #init:对数据集类进行初始化
pass
def __getitem__(self, item): #该方法的实现是为了实例化后的数据集对象支持下标操作dataset[index]
pass
def __len__(self): #该方法的实现是为了方便我们输出数据集每一个batch的数据项条目数
pass
dataset = DiabetesDataset()#实例化这个数据集类
数据集的数据加载方式(init和getitem的实现)
1)若数据集本身规模不是很大,可以直接将原数据集全部加载到内存中,则getitem方法只需要从内存中顺序读出即可;
2)若数据集本身规模较大,则可以将数据在磁盘中按照文件夹分装,将输入出的各个文件夹名以列表的形式载入内存中;则getitem的方法就是按照文件夹路径从磁盘中索引并读出文件。
1.2 DataLoader的构造
train_loader = DataLoader(dataset=dataset,batch_size=32,shuffle=True,num_workers=2)
'''
dataset:数据集对象
batch_size:批量训练的大小
shuffle:是否要进行随机打乱
num_workers:使用多少个线程对数据进行载入操作;使用并行化可以提高数据读取的效率
'''