dataset和dataloader的详解及使用
创始人
2024-11-17 17:37:08
0

dataset和dataloader是离不开的,dataset就像是一盒扑克牌,而dataloader就是发牌。下面让我们来学习dataset和dataloader吧

dataset

dataset常见的参数

datasets.训练所用的数据原名称(root,train,transform,download)

  • root:是数据源的文件所在位置
  • train:表示是否为训练后的数据源
  • transform:是对数据源中每一个数据的标准化处理
  • dowload:表示是否从官网下载该数据源

举例

import torchvision  dataset_transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()]) train_set=torchvision.datasets.CIFAR10(root="./dataset",transform=dataset_transform,train=True,download="True") test_set=torchvision.datasets.CIFAR10(root="./dataset",transform=dataset_transform,train=False,download="True")   

其中第四行是进行训练的数据源;
第五行是没有进行训练的数据源;
第三行是将数据源中的每一个数据转成tensor形式

dataset返回值

dataset返回的是一个大列表,每个列表的元素为一个小列表,小列表即为每个元素的信息,每个小列表包含两个元素,分别是图片和目标,可用以下方式接收

import torchvision  dataset_transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()]) train_set=torchvision.datasets.CIFAR10(root="./dataset",transform=dataset_transform,train=True,download="True") test_set=torchvision.datasets.CIFAR10(root="./dataset",transform=dataset_transform,train=False,download="True")  img,target=test_set[0] print(img) print(target)  writer.close() 

其中第7行为第1个数据的图片和期望的接收

dataloader

dataloader常见的参数

DataLoader(root,batch_size,shuffle,num_workers,drop_last)

  • root:数据原所在的文件地址(相当于扑克牌)
  • batch_size:每次分发几份数据(每次发几张牌)
  • shuffle:是否将数据打乱(是否要把牌打乱)
  • drop_last:是否删除多余的部分(有101张牌,每次分10张,是否删除最后多余的一张)
  • num_workers:几个进程

举例

import torchvision from torch.utils.data import DataLoader  dataset_transform=torchvision.transforms.ToTensor() test_dataset=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=dataset_transform) test_loader=DataLoader(test_dataset,10,False,num_workers=0,drop_last=True) 

其中第5行为dataset的使用,引入数据源
第6行为dataloader的使用,数据源为test_dataset,batch_size=10,shuffle=False
,每次发10张牌不打乱

返回值

返回一个大列表,大列表有(总数量除batch_size)个元素,每个元素是不同的数据的集合,即中列表,中列表有两个元素,一个是图片集和目标集,可用如下方式接受。

import torchvision from torch.utils.data import DataLoader from torch.utils.tensorboard import SummaryWriter  dataset_transform=torchvision.transforms.ToTensor() test_dataset=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=dataset_transform) test_loader=DataLoader(test_dataset,10,False,num_workers=0,drop_last=True)  # img,target=test_dataset[0] # print(img) # print(target)  writer=SummaryWriter("./DataLoader") step=0 for data in test_loader:     imgs,targets=data     writer.add_images("loader",imgs,step)     step+=1 writer.close() 

其中第16行为元素的接收。

相关内容

热门资讯

透视软件!aapoker真的假... 透视软件!aapoker真的假的,aapoker辅助器是真的吗,德州论坛(有挂辅助)1.aapoke...
透视脚本!aapoker公共底... 透视脚本!aapoker公共底牌,aapoker透视脚本,AI教程(有挂揭秘)1、aapoker公共...
透视系统!aapoker公共底... 透视系统!aapoker公共底牌,aapoker辅助软件合法吗,必赢教程(有挂教程)一、aapoke...
透视好友!aapoker辅助插... 透视好友!aapoker辅助插件工具,aapoker透视方法,安装教程(有挂解说)1、aapoker...
透视了解!aapoker公共底... 透视了解!aapoker公共底牌,aapoker怎么控制牌,规律教程(有挂脚本)1.aapoker怎...
透视教学!aapoker俱乐部... 透视教学!aapoker俱乐部靠谱吗,aapoker透视脚本,教你攻略(有挂解密)1、操作简单,无需...
透视新版!aapoker如何设... 透视新版!aapoker如何设置胜率,aapoker辅助软件合法吗,分享教程(有挂解密);1、操作简...
透视工具!aapoker能控制... 透视工具!aapoker能控制牌吗,aa poker透视软件,必胜教程(有挂技巧)1、点击下载安装,...
透视攻略!aapoker辅助插... 透视攻略!aapoker辅助插件工具,aapoker能控制牌吗,wepoke教程(有挂技巧)1、许多...
透视中牌率!aapoker透视... 透视中牌率!aapoker透视插件,aapoker插件,AI教程(有挂介绍)1、透视中牌率!aapo...