# 加载数据集,拿出一组minibatch,写成嵌套循环
# epoch:把所有样本进行训练;
# minibatch:抽取一定数量的小样本进行训练;batch-size:每次抽取的数量
# iteration:内层的迭代执行多少次
# dataloader对dataset进行小批量处理:有shuffle将数据打乱,随后有loader将数据重组,给出batch
import torch
import numpy as np
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
class DiabetesDataset(Dataset):
def __init__(self,filepath):
xy = np.loadtxt(filepath, delimiter=',', dtype=np.float32)
self.len=xy.shape[0]
self.x_data = torch.from_numpy(xy[:, :-1])
self.y_data = torch.from_numpy(xy[:, [-1]])
pass
def __getitem__(self, index):
return self.x_data[index],self.y_data[index]
def __len__(self):
return self.len
dataset=
diabetes数据集_pytorch基础8:数据集加载
最新推荐文章于 2021-12-02 06:13:33 发布
本文介绍如何使用PyTorch加载和处理diabetes数据集,为机器学习模型训练做准备,涵盖数据预处理和加载步骤。
摘要由CSDN通过智能技术生成