pytorch学习笔记：加载数据集

Posted 2021-06-05 Z|Star

理清三个概念：
1、Epoch 训练次数
2、Batch-Size：各批量的大小
3、Iteration：使用批量的次数
Iteration*Batch-Size=Number of samples

shuffle = True 打乱顺序（洗牌）
一般训练集需要打乱顺序，测试集不需要（无意义）

具体构建Dataset

import torch
from torch.utils.data import Dataset
from torch.utils.data import DataLoader


class DiabetesDataset(Dataset):
    def __init__(self):
        pass

    def __getitem__(self, index):
        pass

    def __len__(self):
        pass


dataset = DiabetesDataset()
train_loader = DataLoader(dataset=dataset,
                          batch_size=32,
                          shuffle=True,
                          num_workers=2)

DataLoader包含四个参数 num_workers代表使用线程数，根据CPU核来合理设置一般2，4，8

注：在windows系统下，不加if name == ‘main’:直接开始训练会发生报错

使用样例
构建数据集：

class DiabetesDataset(Dataset):
    def __init__(self):
        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]])

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

    def __len__(self):
        return self.len


dataset = DiabetesDataset('diabetes.csv.gz')
train_loader = DataLoader(dataset=dataset,
                          batch_size=32,
                          shuffle=True,
                          num_workers=2)

由于数据量不大，直接将所有数据读入内存之中

训练：

for epoch in range (100):
    for i, data in enumerate (train_loader, 0):
        # 1. Prepare data
        inputs, labels = data
        # 2. Forward
        y_pred = model(inputs)
        loss = criterion(y_pred, labels)
        print (epoch, i, loss.item())
        # 3. Backward
        optimizer.zero_grad()
        loss.backward()
        # 4. Update
        optimizer.step()

enumerate函数 i为下标，0代表i从0开始

其它训练集的使用