从零开始深度学习Pytorch笔记(11)—

从零开始深度学习Pytorch笔记(11)—— DataLoader类

共 2593字，需浏览 6分钟

· 2020-04-10

在该系列的上一篇，我们讲解了Dataset类，Dataset一次调用只是返回一条数据，在深度学习中，我们经常是对一个batch的数据进行操作，也就是一批一批数据交给模型训练，同时还需要对数据进行shuffle（打乱）操作和并行加速等等，这时候，使用Dataset就显得功能不太足够了，幸好，Pytorch提供了DataLoader给我们使用。DataLoader的参数为：

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, multiprocessing_context=None)

其中的参数含义为：dataset：加载的数据集(Dataset对象)batch_size：batch的大小shuffle:：是否将数据打乱sampler：样本抽样num_workers：使用多进程加载的进程数，0代表不使用多进程collate_fn：如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式即可pin_memory：是否将数据保存在pin memory区，pin memory中的数据转到GPU会快一些drop_last：dataset中的数据个数可能不是batch_size的整数倍，drop_last如果为True会将多出来不足一个batch的数据丢弃我们给出一个简单的DataLoader的例子：

import torch
import torch.utils.data as Data

BATCH_SIZE = 5

x = torch.linspace(1, 20, 20)
y = torch.linspace(20, 1, 20)

torch_dataset = Data.TensorDataset(x, y)#创建Dataset

loader = Data.DataLoader(
    dataset=torch_dataset,#数据
    batch_size=BATCH_SIZE,#批次的大小
    shuffle=True,#打乱数据
    num_workers=2,#多进程
)

for epoch in range(3):#三个epoch
    for step, (batch_x, batch_y) in enumerate(loader):
        print('Epoch: ', epoch, '| Step: ', step, '| batch x: ',
              batch_x.numpy(), '| batch y: ', batch_y.numpy())

其中的一个epoch为将所有训练集训练一次的意思，而一个batch指的是将一批训练数据交给模型训练的意思。例如以上代码的batchsize为5，训练集一共20条数据，所以一个epoch分为4个batch（因为20/5=4）。在深度学习中，所有训练集并不是只有一次加入模型训练，所以会有多个epoch的情况。我们把batchsize改为4，并且把数据打乱设置为False，再看看结果：

import torch
import torch.utils.data as Data

BATCH_SIZE = 4

x = torch.linspace(1, 20, 20)
y = torch.linspace(20, 1, 20)

torch_dataset = Data.TensorDataset(x, y)#创建Dataset

loader = Data.DataLoader(
    dataset=torch_dataset,#数据
    batch_size=BATCH_SIZE,#批次的大小
    shuffle=False,#打乱数据
    num_workers=2,#多进程
)

for epoch in range(3):#三个epoch
    for step, (batch_x, batch_y) in enumerate(loader):
        print('Epoch: ', epoch, '| Step: ', step, '| batch x: ',
              batch_x.numpy(), '| batch y: ', batch_y.numpy())

我们可以看到数据的batchsize变为了4，并且数据的输出是有序的，而深度学习中为了避免数据分布的干扰，一般都会讲数据打乱输入模型中！

欢迎关注公众号学习之后的深度学习连载部分~

历史文章推荐阅读：
从零开始学自然语言处理（四）—— 做 NLP 任务文本 id 化与预训练词向量初始化方法
从零开始学自然语言处理（三）——手把手带你实现word2vec（skip-gram）
从零开始学自然语言处理（二）——手把手带你用代码实现word2vec
从零开始学自然语言处理（一）—— jieba 分词
一文详解NLP语料构建技巧你不知道的Python环境管理技巧，超级好用！
Python快速安装库的靠谱办法你只会用Python的pip安装包？别错过这些好用功能！
扫码下图关注我们不会让你失望！

喜欢记得点再看哦，证明你来看过~