介绍“““
批才能训练,把数据变成一小批一小批数据进行训练。
DataLoader才能就是用来包装所使用的数据,每次抛出一批数据
“““
import 火炬
import torch.utils.data as 数据
时间=BATCH_SIZE 5
x =, torch.linspace(1, 10日,10)
时间=y torch.linspace (10,, 1,, 10)
#,把数据放在数据库中
时间=torch_dataset Data.TensorDataset (x, y)
时间=loader Data.DataLoader (
#,才能从数据库中每次抽出batch 大小个样本
数据集=torch_dataset,才能
batch_size=batch_size,才能
洗牌=True,才能
num_workers才能=2,
)
def show_batch ():
for 才能;epoch 拷贝范围(3):
,,,for 一步,,(batch_x, batch_y),拷贝列举(机):
,,,,,#,培训
,,,,,印刷(“steop: {},, batch_x: {},, batch_y: {}“.format (batch_x,一步,还以为;batch_y))
if __name__ ==, & # 39; __main__ # 39;:
show_batch才能()
这篇文章主要介绍python torch.utils.data”。DataLoader怎么使用”,在日常操作中,相信很多人在python torch.utils.data。DataLoader怎么使用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答“python torch.utils.data.DataLoader怎么使用”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader,该接口定义在DataLoader。py脚本中,只要是用PyTorch来训练模型基本都会用到该接口,该接口主要用来将自定义的数据读取接口的输出或者PyTorch已有的数据读取接口的输入按照批大小封装成张量,后续只需要再包装成变量即可作为模型的输入,因此该接口有点承上启下的作用,比较重要。
数据加载器,结合了数据集和取样器,并且可以提供多个线程处理数据集。
在训练模型时使用到此函数,用来把训练数据分成多个小组,此函数每次抛出一组数据。直至把所有的数据都抛出。就是做一个数据的初始化。
生成迭代数据非常方便,请看如下示例:
结果:
我们来看一下变量类型:
到此,关于“python torch.utils.data.DataLoader怎么使用”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注网站,小编会继续努力为大家带来更多实用的文章!
