中国交通建设集团有限公司网站,引流渠道有哪些平台,中国十大互联网公司,企业网络推广整合营销前言
处理数据样本的代码可能会变得杂乱无章且难以维护#xff1b;为了获得更好的可读性和模块化#xff0c;我们理想的情况是将数据集代码与模型训练代码解耦。PyTorch 提供了两个数据处理类#xff1a;
torch.utils.data.DataLoader 和 torch.utils.data.Dataset#x…前言
处理数据样本的代码可能会变得杂乱无章且难以维护为了获得更好的可读性和模块化我们理想的情况是将数据集代码与模型训练代码解耦。PyTorch 提供了两个数据处理类
torch.utils.data.DataLoader 和 torch.utils.data.Dataset它们允许你使用预加载的数据集以及自己的数据。Dataset 存储样本及其相应的标签而 DataLoader 在 Dataset 周围包装一个可迭代对象以便轻松访问样本。
PyTorch领域库提供了许多预加载的数据集如FashionMNIST这些数据集继承自 torch.utils.data.Dataset 并实现了特定于该数据的函数。它们可用于对模型进行原型设计和基准测试。你可以在以下位置找到它们图像数据集、文本数据集 和 音频数据集
加载数据集
以下是一个如何从TorchVision加载 Fashion-MNIST 数据集的示例。时尚MNIST是Zalando的商品图像数据集由60000个训练示例和10000个测试示例组成。每个示例包含一张28×28的灰度图像以及一个来自10个类别之一的关联标签。
我们使用以下参数加载时尚MNIST数据集
root是存储训练/测试数据的路径train 指定训练数据集或测试数据集”downloadTrue 如果数据在root 中不可用downloadTrue 会从互联网下载数据。transform and target_transform 分别指定特征和标签的变换
import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plttraining_data datasets.FashionMNIST(rootdata,trainTrue,downloadTrue,transformToTensor()
)test_data datasets.FashionMNIST(rootdata,trainFalse,downloadTrue,transformToTensor()
)迭代和可视化数据集
我们可以像列表一样手动对Datasets进行索引training_data[index]。我们使用matplotlib来可视化训练数据中的一些样本。
labels_map {0: T-Shirt,1: Trouser,2: Pullover,3: Dress,4: Coat,5: Sandal,6: Shirt,7: Sneaker,8: Bag,9: Ankle Boot,
}
figure plt.figure(figsize(8, 8))
cols, rows 3, 3
for i in range(1, cols * rows 1):sample_idx torch.randint(len(training_data), size(1,)).item()img, label training_data[sample_idx]figure.add_subplot(rows, cols, i)plt.title(labels_map[label])plt.axis(off)plt.imshow(img.squeeze(), cmapgray)
plt.show()创建自定义数据集
自定义数据集类必须实现三个函数__init__、__len__ 和 __getitem__。看一下这个实现FashionMNIST图像存储在目录 img_dir 中它们的标签则单独存储在CSV文件 annotations_file 中。
import os
import pandas as pd
from torchvision.io import decode_imageclass CustomImageDataset(Dataset):def __init__(self, annotations_file, img_dir, transformNone, target_transformNone):self.img_labels pd.read_csv(annotations_file)self.img_dir img_dirself.transform transformself.target_transform target_transformdef __len__(self):return len(self.img_labels)def __getitem__(self, idx):img_path os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])image decode_image(img_path)label self.img_labels.iloc[idx, 1]if self.transform:image self.transform(image)if self.target_transform:label self.target_transform(label)return image, label__init__
__init__函数在实例化Dataset对象时运行一次。我们初始化包含图像的目录、注释文件以及两种变换下一节将更详细介绍。
tshirt1.jpg, 0
tshirt2.jpg, 0
......
ankleboot999.jpg, 9def __init__(self, annotations_file, img_dir, transformNone, target_transformNone):self.img_labels pd.read_csv(annotations_file)self.img_dir img_dirself.transform transformself.target_transform target_transform__len__
__len__函数返回我们数据集中样本的数量。
def __len__(self):return len(self.img_labels)__getitem__
__getitem__函数会根据给定的索引idx从数据集中加载并返回一个样本。根据该索引它会确定图像在磁盘上的位置使用decode_image将其转换为张量从self.img_labels中的CSV数据中检索相应的标签对它们调用变换函数如果适用并以元组形式返回张量图像和相应的标签。
def __getitem__(self, idx):img_path os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])image read_image(img_path)label self.img_labels.iloc[idx, 1]if self.transform:image self.transform(image)if self.target_transform:label self.target_transform(label)return image, label使用DataLoaders为训练准备数据
Dataset 每次检索一个样本获取我们数据集的特征和标签。在训练模型时我们通常希望以 “小批量” 方式传递样本在每个时期对数据进行重新洗牌以减少模型过拟合并使用 Python 的 multiprocessing 来加速数据检索。
DataLoader 是一个可迭代对象它通过简单的API为我们抽象了这种复杂性。
from torch.utils.data import DataLoadertrain_dataloader DataLoader(training_data, batch_size64, shuffleTrue)
test_dataloader DataLoader(test_data, batch_size64, shuffleTrue)遍历DataLoader
我们已将该数据集加载到DataLoader中并可根据需要遍历数据集。下面的每次迭代都会返回一批train_features和train_labels分别包含batch_size64个特征和标签。因为我们指定了shuffleTrue所以在遍历完所有批次后数据会被打乱。
# Display image and label.
train_features, train_labels next(iter(train_dataloader))
print(fFeature batch shape: {train_features.size()})
print(fLabels batch shape: {train_labels.size()})
img train_features[0].squeeze()
label train_labels[0]
plt.imshow(img, cmapgray)
plt.show()
print(fLabel: {label})
