pytorch中如何使用DataLoader对数据集进行批处理的方法

最近搞了搞minist手写数据集的神经网络搭建，一个数据集里面很多个数据，不能一次喂入，所以需要分成一小块一小块喂入搭建好的网络。

pytorch中有很方便的dataloader函数来方便我们进行批处理，做了简单的例子，过程很简单，就像把大象装进冰箱里一共需要几步？

第一步：打开冰箱门。

我们要创建torch能够识别的数据集类型（pytorch中也有很多现成的数据集类型，以后再说）。

首先我们建立两个向量X和Y，一个作为输入的数据，一个作为正确的结果：

随后我们需要把X和Y组成一个完整的数据集，并转化为pytorch能识别的数据集类型：

我们来看一下这些数据的数据类型：

可以看出我们把X和Y通过Data.TensorDataset() 这个函数拼装成了一个数据集，数据集的类型是【TensorDataset】。

好了，第一步结束了，冰箱门打开了。

第二步：把大象装进去。

就是把上一步做成的数据集放入Data.DataLoader中，可以生成一个迭代器，从而我们可以方便的进行批处理。

DataLoader中也有很多其他参数：

1. dataset：Dataset类型，从其中加载数据
2. batch_size：int，可选。每个batch加载多少样本
3. shuffle：bool，可选。为True时表示每个epoch都对数据进行洗牌
4. sampler：Sampler，可选。从数据集中采样样本的方法。
5. num_workers：int，可选。加载数据时使用多少子进程。默认值为0，表示在主进程中加载数据。
6. collate_fn：callable，可选。
7. pin_memory：bool，可选
8. drop_last：bool，可选。True表示如果最后剩下不完全的batch,丢弃。False表示不丢弃。

好了，第二步结束了，大象装进去了。

第三步：把冰箱门关上。

好啦，现在我们就可以愉快的用我们上面定义好的迭代器进行训练啦。

在这里我们利用print来模拟我们的训练过程，即我们在这里对搭建好的网络进行喂入。

输出的结果是：

可以看到，我们一共训练了所有的数据训练了5次。数据中一共10组，我们设置的mini-batch是3，即每一次我们训练网络的时候喂入3组数据，到了最后一次我们只有1组数据了，比mini-batch小，我们就仅输出这一个。

此外，还可以利用python中的enumerate()，是对所有可以迭代的数据类型（含有很多东西的list等等）进行取操作的函数，用法如下：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

最新评论