pytorch 深度学习实践 第8讲 加载数据集

第8讲 加载数据集 dataset and dataloader

pytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili

以下是视频内容笔记以及小练习源码，笔记纯属个人理解，如有错误欢迎路过的大佬指出 。

前言：dataset——构造数据集，数据集应该支持索引操作；dataloader——为训练提供mini-batch数据

1. 基本概念理解

• mini-batch的定义及作用

  将数据分成若干个批次，遍历一个批次的数据集计算一次损失函数，然后计算函数对各个参数的梯度，更新参数。使用mini-batch可以有效解决鞍点问题，同时也降低了随机性（和训练一个数据更新参数比较）。

• epoch

  一个周期：所有样本都进行了一次前馈、反馈和更新的过程，也就是所有样本都参与了一次训练。

• batch-size

  批量大小：训练一次所需要的样本数量，也就是一个mini-batch的大小。

• iteration

  迭代次数：一个mini-batch经过多少次迭代把所有样本训练完一次，直观上来看就是总的batch所包含的mini-batch的数量。

如图所示：

• Dataloader

  shuffle=True表示打乱样本顺序；然后将样本分成2个一组batch。如图所示
  

2. 代码说明

• Dataset是一个抽象类，不能被实例化，需要 定义一个类继承自 Dataset类——>DiabetesDataset类
• 定义的DiabetesDataset类需要实现Dataset类的getitem和len方法
  • _getitem_ (魔法函数)：为数据集增加索引，可以通过索引将数据集的某一个数据取出
  • _len_：获取整个数据的长度/数量
  • _init_：初始化数据集时有两种方式：第一种是直接将所有数据读入内存，适用于数据容量不大的时候；第二种是将各个数据样本的文件名读取到列表中，使用索引来读取数据集，不一次性读取所有数据。

源码 dataset_and_dataloader.py

import torch
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
import numpy as np
import matplotlib.pyplot as plt

# 新定义一个类继承自Dataset
class DiabetesDataset(Dataset):
    def __init__(self, filepath):
        xy = np.loadtxt(filepath, delimiter=',', dtype=np.float32)
        # 直接取xy数据集的形状的行，表示长度，即样本数量
        self.len = xy.shape[0]
        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


# 实例化数据集对象
dataset = DiabetesDataset('../dataset/diabetes.csv.gz')

# 加载数据集
# dataset是数据集对象，batch-size是批次大小，shuffle表示是否打乱样本顺序，num_workers表示使用多线程
train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=2)


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()
        # self.relu = torch.nn.ReLU()

    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()

criterion = torch.nn.BCELoss(size_average=True)
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)

loss_list = []
if __name__ == '__main__':
    for epoch in range(100):
        for i, data in enumerate(train_loader, 0):
            # 1. 准备数据
            inputs, labels = data
            # 2. 前馈
            y_pred = model(inputs)
            loss = criterion(y_pred, labels)
            # print(epoch, i, loss.item())
            # 3. 反馈
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
        print(epoch, loss.item())
        loss_list.append(loss.item())

    print(loss_list)
    plt.plot(range(100), loss_list)
    plt.xlabel('epoch')
    plt.ylabel('cost')
    plt.show()

结果怎么是这个鬼样子：

（以上代码已经在pycharm上经过测试，笔记纯属个人理解，如有错误勿介或者欢迎路过的大佬指出 嘻嘻嘻。）

——未完待续……