pytorch：dataset和dataloader实例（结构化数据，即表格数据）

入坑pytoch记录一下

import 部分

import numpy
import numpy as np
import pandas as pd
import torch
import pandas
import random
from torch.utils.data import Dataset
from torch.utils.data import DataLoader

随机创造数据

流程是随机构造数据，保存到本地中，构建dataset后直接从本地文件中读取数据

x=np.array(random.sample(range(1,10001),10000)).reshape(100,100)
y=np.array(np.ones(x.shape[0])).reshape((-1,1))
xy=np.hstack((x,y)) 
np.savetxt("xy.csv",xy,delimiter=",")
filepath="xy.csv"

dataset

class mydataset(Dataset):
    def __init__(self, filepath):
        xy = pd.read_csv(filepath)
        self.len = xy.shape[0]
        self.x_data = torch.from_numpy(xy.iloc[:,:-1].values)
        self.y_data = torch.from_numpy(xy.iloc[:,[-1]].values)

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

实例化dataset 和构建dataloader

mydataset1 = mydataset(filepath)
#验证一下是否构建完成 （按行查看）
for datas, labels in mydataset1:
    print(labels.tolist())
dataloader1=DataLoader(mydataset1,batch_size=3,shuffle=True)

验证（从dataloader和dataset拿取数据）

#查看dataloader方式1，查看一个mini_batch中的数据数据（3,100）
data = iter(dataloader1)
data = next(data)
print（data）
#查看dataloader方式2，查看整个data_loader里面的数据
for step,(batch_x,batch_y) in enumerate(dataloader1):    
    print('| Step:', step, '| batch x: ', batch_x.numpy(), '| batch y: ', batch_y.numpy())
#查看dataloader方式3 和1差不多哈
data = torch.utils.data.DataLoader(mydataset1,batch_size=3,shuffle=True)
data = iter(data)
(inputs, labels) = next(data)