Pytorch中Dataset的一个简单demo

在使用pytorch训练自己的模型的时候，需要用到Dataset，我们自定义数据集的时候一般要继承Dataset类，为了更清楚的看到Dataset做的操作，我尝试了一些数据。

from torch.utils.data import Dataset
import torch
class ClsDataset(Dataset):
    # x,y是接受的数据，此处x一般是特征向量，y一般是标签
    def __init__(self,x,y):
        self.x = x
        self.y = y

    def __getitem__(self, item):
        return self.x[item],self.y[item]

    def __len__(self):
        return len(self.x)

# 尝试使用二维的list
x = [[1,2,3],[2,5,6],[6,7,8]]
y = [2,2,7]
cls = ClsDataset(x,y)
print(cls[0])

# 尝试使用元组类型的list
x1=[(1,2,3),(2,3,4),(7,7,7)]
y1 = [1,2,3]
cls1 = ClsDataset(x1,y1)
print(cls[1])

# 尝试使用字典的列表
x2 = [{'tom',2},{'cat',4},{'tyson',6}]
y2 = (9,1,2)
cls2 = ClsDataset(x2,y2)
print(cls2[2])

# 尝试使用torch的类型
x3 = torch.randn(3,4)
y3 = torch.tensor([2,4,5])
cls3 = ClsDataset(x3,y3)
print(cls3[0])


# 遍历
print('遍历dataset')
for i,data in enumerate(cls):
    print('----第{}次取数据-----'.format(i+1))
    x, y = data
    print('x={}'.format(x))
    print('y={}'.format(y))

最后的输出如下显示，这样就大概知道了数据从输入到输出的一个大致的模式：