PyTorch dataloader中洗牌=True的示例分析 - 行业资讯 - 肥雀云

　　介绍

小编给大家分享一下PyTorch dataloader中洗牌=True的示例分析,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获、下面让我们一起去了解一下吧!

对shuffle=True的理解:

之前不了解洗牌的实际效果,假设有数据a, b, c, d,不知道batch_size=2后打乱,具体是如下哪一种情况:

1。先按顺序取批对批内打乱,即先取a, b, a, b进行打乱;

2。先打乱,再取批。

证明是第二种

shuffle (bool,可选):,set 用“真”“,用have 从而data reshuffled 　　at every epoch (默认值:,“False”)。　　if 洗牌: 　　,,,sampler =, RandomSampler(数据集),#此时得到的是索引

<强>补充:简单测试一下pytorch dataloader里的洗牌=True是如何工作的

看代码吧~

import 系统　　import 火炬　　import 随机　　import argparse 　　import numpy as np 　　import pandas as pd 　　import torch.nn as 神经网络　　得到torch.nn import functional as F 　　得到torch.optim import lr_scheduler 　　得到torchvision import 数据集转换　　得到torch.utils.data import TensorDataset, DataLoader,数据集　　, 　　class DealDataset(数据): 　　,,,def __init__(自我): 　　,,,,,,,xy =, np.loadtxt(开放(& # 39;。/iris.csv& # 39;, & # 39; rb # 39;),,分隔符=& # 39;,& # 39;,,dtype=np.float32) 　　,,,,,,,# data =, pd.read_csv (“iris.csv"头=没有) 　　,,,,,,,# xy =data.values 　　,,,,,,,self.x_data =, torch.from_numpy (xy (:,, 0: 1]) 　　,,,,,,,self.y_data =, torch.from_numpy (xy (:,, [1]]) 　　,,,,,,,self.len =, xy.shape [0] 　　,,,, 　　,,,def __getitem__(自我,,指数): 　　,,,,,,,return self.x_data(指数),self.y_data(指数) 　　, 　　,,,def __len__(自我): 　　,,,,,,,return self.len 　　,, 　　时间=dealDataset DealDataset (), 　　时间=train_loader2 DataLoader(数据集=dealDataset, 　　,,,,,,,,,,,,,,,,,,,,,,,,,batch_size=2, 　　,,,,,,,,,,,,,,,,,,,,,,,,,洗牌=True) 　　#打印(dealDataset.x_data) 　　for 我,data 拷贝;列举(train_loader2): 　　,,,输入,labels =,数据　　, 　　,,,#输入,labels =,变量(输入),变量(标签) 　　,,,印刷(输入) 　　,,,#打印(“时代:“,,时代,,,的第“,,,我,,,个inputs",, inputs.data.size (),“labels",, labels.data.size ())

简易数据集

PyTorch dataloader中洗牌=True的示例分析“> <img src=