PyTorch 数据集类和数据加载类的一些尝试

时间：2018-12-15 00:18:22 阅读：245 评论：0 收藏：0 [点我收藏+]

标签：迭代 nis 索引 visio 对象 shape shuffle bsp 说明

最近在学习PyTorch, 但是对里面的数据类和数据加载类比较迷糊，可能是封装的太好大部分情况下是不需要有什么自己的操作的，不过偶然遇到一些自己导入的数据时就会遇到一些问题，因此自己对此做了一些小实验，小尝试。

下面给出一个常用的数据类使用方式：

def data_tf(x):
    x = np.array(x, dtype=‘float32‘) / 255 # 将数据变到 0 ~ 1 之间
    x = (x - 0.5) / 0.5 # 标准化，这个技巧之后会讲到
    x = x.reshape((-1,)) # 拉平
    x = torch.from_numpy(x)
    return x



from torchvision.datasets import MNIST # 导入 pytorch 内置的 mnist 数据
train_set = MNIST(‘./data‘, train=True, transform=data_tf, download=True) # 载入数据集，申明定义的数据变换
test_set = MNIST(‘./data‘, train=False, transform=data_tf, download=True)

其中， data_tf 并不是必须要有的，比如：

from torchvision.datasets import MNIST # 导入 pytorch 内置的 mnist 数据
train_set = MNIST(‘./data‘, train=True, download=True) # 载入数据集，申明定义的数据变换
test_set = MNIST(‘./data‘, train=False, download=True)

这里面的MNIST类是框架自带的，可以自动下载MNIST数据库， ./data 是指将下载的数据集存放在当前目录下的哪个目录下， train 这个属性 True时则在 ./data文件夹下面在建立一个 train的文件夹然后把下载的数据存放在其中，当train属性是False的时候则把下载的数据放在 test文件夹下面。

划线部分是老版本的PyTorch的处理方式，最近试了一下最新版本 PyTorch 1.0 , train为True的时候是把数据放在 ./data/processed 文件夹下面，命名为training.pt , 为False 的时候则放在 ./data/processed 文件夹下面，命名为test.pt 。

技术分享图片

这时候就出现了一个问题，如果你使用的数据集不是框架自带的那么如何使用数据类呢，这个时候就要使用 pytorch 中的 Dataset 类了。

from torch.utils.data import Dataset

我们需要重写 Dataset类，需要实现的方法为 __len__ 和 __getitem__ 这两个内置方法，这里可以看出其思想就是要重写的类需要支持按照索引查找的方法。

这里我们还是举个例子：

技术分享图片

从这个例子可以看出 mydataset就是我们自定义的 myDataset 类生成的自定义数据类对象。我们可以在myDataset类中自定义一些方法来对需要的数据进行处理。

为说明该问题另附加一个例子：

from torch.utils.data import Dataset


#需要在pytorch中使用的数据
data=[[1.1, 1.2, 1.3], [2.1, 2.2, 2.3], [3.1, 3.2, 3.3], [4.1, 4.2, 4.3], [5.1, 5.2, 5.3]]


class myDataset(Dataset):
    def __init__(self, indata):
        self.data=indata
    def __len__(self):
        return len(self.data)
    def __getitem__(self, idx):
        return self.data[idx]


mydataset=myDataset(data)