参考:https://pytorch.org/docs/stable/data.html
本文主要是对Pytorch数据载入方式的官方文档翻译,以及梳理和总结。有错误的地方请诸位大佬指正!转载请注明来源!
主要涉及Python API中的torch.utils.data,Libraries库中的torchvision.datasets及torchvision.transforms。
目录
torch.utils.data.DataLoader作为Pytorch数据载入工具的核心,代表了一种使用python迭代式载入数据的方式,并支持:
这些选项可由DataLoader构造器的参数指定:
DataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
batch_sampler=None, num_workers=0, collate_fn=None,
pin_memory=False, drop_last=False, timeout=0,
worker_init_fn=None, *, prefetch_factor=2,
persistent_workers=False)
下面详细描述这些参数的使用方法和效果。
dataset是DataLoader最重要的参数,制定了要加载的数据集对象类型。Pytorch支持两种不同类型的数据集:映射式数据集(map-style)、迭代式数据集(iterable-style)。
映射式数据集包含了__getitem__()和__len__()方法,使用了类似于字典格式的键值对映射关系,将索引(可能是非整型数据)映射到数据样本。比如通过dataset[idx]可以访问到第idx个图像以及其对应的标签。更多介绍在torch.utils.data.Dataset。
迭代式数据集是IterableDataset的一个实例,包含了__iter__()方法,类似于数据集的迭代器。适用于随机读取成本高甚至不可能的情况(内存很小),一个批处理的大小(batch size)取决于能够获取的数据。比如,以数据流的形式从远程服务器读取数据集,或者实时写入事件日志。更多介绍在torch.utils.data.IterableDataset。
注意,当使用IterableDataset进行多线程数据载入时,每个线程载入的数据集对象是相同的,会造成数据集重复,必须进行不同的配置。配置方法见IterableDataset文档。
对于迭代式的数据集,数据载入顺序完全由用户定义的迭代器控制,可以轻松实现块读取和动态设置批处理大小(使用yield语句控制一个batch size)。
对于映射式的数据集,torch.utils.data.Sampler可以用于指定数据集索引的顺序,是数据集索引的迭代器。比如,使用随机梯度下降(SGD),Sampler可以随机的置换数据集索引列表,并且使用yield语句每次输出一个索引,或者使用yield语句每次输出一小批索引用于实现min-batach SGD。
shuffle参数的值,可以控制顺序载入数据(False),还是随机载入数据(True)。此外,用户也可以使用sampler参数指明自定义的Sampler对象,该对象每次都会产生要提取的下一个索引。
自定义的Sampler每次产生的索引列表可以传递到batch_sampler参数,自动批处理也可以通过设置batch_size及drop_last开启。
注意:sampler和batch_sampler都和迭代式的数据集不兼容,因为迭代式的数据集没有索引。
通过batch_size,drop_last,batch_sampler三个参数的指定,DataLoader可以自动将独立获取的数据样本整理成批处理格式。
默认自动批处理,因为这是最常见的方式,一般批处理后向量的第一维是批处理序号。batch_size默认为1,而不是None,batch_size和drop_last参数可以用户指定如何获取一个批处理中的数据集索引。对于映射式的数据集,用户可以选择指定batch_sampler,每次产生一个数据集索引列表。
注意,batch_size,drop_last本质上是用于从sampler构建一个batch_sampler。对于映射式的数据集,sampler由用户构建或者基于shuffle参数构建。对于迭代式数据集,sampler是一个虚拟的无限数据集。当使用多线程载入迭代式的数据集时,drop_last参数可以丢弃每个线程最后一个非完整批次。
当使用sampler得到样本的索引列表后,collate_fn参数将索引对应的数据整理为一个批次。这种情况下,从映射式的数据集载入可以表示为:
for indices in batch_sampler:
yield collate_fn([dataset[i] for i in indices])
从迭代式的数据集载入可以表示为:
dataset_iter = iter(dataset)
for indices in batch_sampler:
yield collate_fn([next(dataset_iter) for _ in indices])
自定义的collate_fn可以用于自定义数据集整理,比如批次不完整时,自动复制补全。
禁用自动批处理,在某些情况下,用户可能希望手动进行批处理,或仅加载单个样本。例如,直接加载批处理过的数据&
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的,浏览器出于安全考虑是禁止的。警告信息如下:不过jQuery对跨域问题也有解决方案,使用jsonp的方式解决,方法如下:$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry,也就是我们所说的 使用空间SQL 的方法,官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下,主要就分为以下几个步骤。..._extproc
文章浏览阅读1.5w次。linux下没有上面的两个函数,需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数,转换过程中受到系统编码类型的影响,需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入,结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误,google一下,发现可能有如下原因导致imp的数据太大,没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件,向高版本imp导出的dmp文件出错传输dmp文件时,文件损坏解决办法:imp时指定..._imp-00009导出文件异常结束
文章浏览阅读143次。当下是一个大数据的时代,各个行业都离不开数据的支持。因此,网络爬虫就应运而生。网络爬虫当下最为火热的是Python,Python开发爬虫相对简单,而且功能库相当完善,力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页,按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息,通过分析请求信息可以了解请..._初级python程序员能力要求
文章浏览阅读7.6k次,点赞2次,收藏6次。@Service标注的bean,类名:ABDemoService查看源码后发现,原来是经过一个特殊处理:当类的名字是以两个或以上的大写字母开头的话,bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
文章浏览阅读6.9w次,点赞73次,收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能,如果文件名出现中文,便会以乱码视之。 解决方法: fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
文章浏览阅读2.1k次,点赞4次,收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别,找出文件中所有的合法的单词,并给出一定的信息作为最后的结果,用于后续语法分析程序的使用;本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序,对于每个单词根据词汇表输出: (单词种类, 单词的值) 二元对。词汇表:种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
文章浏览阅读6.8k次,点赞12次,收藏125次。1. 单目相机标定引言相机标定已经研究多年,标定的算法可以分为基于摄影测量的标定和自标定。其中,应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统,在标定过程中,相机拍摄多个角度下(至少两个角度,推荐10~20个角度)的标定板图像(相机和标定板都可以移动),即可对相机的内外参数进行标定。下面介绍张氏标定法(以下也这么称呼)的原理。原理相机模型和单应矩阵相机标定,就是对相机的内外参数进行计算的过程,从而得到物体到图像的投影_相机-投影仪标定
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述: 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构;一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件,并通过 evdev 输入_wayland