一般模型训练框架:
Dataset中,我们将对image和target进行一系列的预处理,对于图像,预处理后可以直接丢到模型里进行训练,标签需要满足和图像具有一致性,如在目标检测任务中,对图像做resize,就要保证target里的bbox也做了相应调整,和预处理好的图像坐标保持一致。
Dataset:
class Mydataset(Dataset):
def __init__(self):
self.data = torch.arrange(0,20)
def __getitem__(self,index):
x = self.data[index]
y = x * 2
return y
def __len__(self):
return len(self.data)
#定义DataLoader
dataset = MyDataset()
print(len(dataset)) #20
print(dataset[3]) #tensor(6)
实例化Mydataset类,使用len()函数会自动调用__len__(self)函数,获取长度。datase[3],会调用__getitem__()方法,索引3给到index。
DataLoader:
dataloader = torch.utils.data.DataLoader(dataset, shuffle=True, batch_size=4)
print(len(dataloader)) #5
for x in dataloader:
print(x)
将dataset传入,shuffle表示输出时随机。dataloader长度为dataset长度/batch_size。dataloader根据batch_size迭代出索引,然后拿着索引去调用__getitem__(),获得预处理后的值。
dataloader参数: