python torch.utils.data.DataLoader怎么使用

這篇文章主要介紹“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怎么使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”python torch.utils.data.DataLoader怎么使用”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

PyTorch中數據讀取的一個重要接口是torch.utils.data.DataLoader，該接口定義在dataloader.py腳本中，只要是用PyTorch來訓練模型基本都會用到該接口，該接口主要用來將自定義的數據讀取接口的輸出或者PyTorch已有的數據讀取接口的輸入按照batch size封裝成Tensor，后續只需要再包裝成Variable即可作為模型的輸入，因此該接口有點承上啟下的作用，比較重要。

數據加載器，結合了數據集和取樣器，并且可以提供多個線程處理數據集。

在訓練模型時使用到此函數，用來把訓練數據分成多個小組，此函數每次拋出一組數據。直至把所有的數據都拋出。就是做一個數據的初始化。

生成迭代數據非常方便，請看如下示例：

"""
  批訓練，把數據變成一小批一小批數據進行訓練。
  DataLoader就是用來包裝所使用的數據，每次拋出一批數據
"""
import torch
import torch.utils.data as Data

BATCH_SIZE = 5

x = torch.linspace(1, 10, 10)
y = torch.linspace(10, 1, 10)
# 把數據放在數據庫中
torch_dataset = Data.TensorDataset(x, y)
loader = Data.DataLoader(
  # 從數據庫中每次抽出batch size個樣本
  dataset=torch_dataset,
  batch_size=BATCH_SIZE,
  shuffle=True,
  num_workers=2,
)


def show_batch():
  for epoch in range(3):
    for step, (batch_x, batch_y) in enumerate(loader):
      # training


      print("steop:{}, batch_x:{}, batch_y:{}".format(step, batch_x, batch_y))


if __name__ == '__main__':
  show_batch()

結果：

我們來看一下變量類型：

到此，關于“python torch.utils.data.DataLoader怎么使用”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！