深度学习(6):Dataset 和 DataLoader

文章目录

[Dataset 类](#Dataset 类)
[DataLoader 类](#DataLoader 类)

Dataset 类

概念：

Dataset 是一个抽象类，用于表示数据集。它定义了如何获取数据集中的单个样本和标签。

作用：

为数据集提供统一的接口，便于数据的读取、预处理和管理。

关键方法：

__len__(self): 返回数据集的大小（样本数量）。
__getitem__(self, index): 根据索引 index 返回对应的样本和标签。

自定义 Dataset：

需要继承 torch.utils.data.Dataset并实现上述两个方法。

示例（PyTorch）：

python 复制代码

import torch
from torch.utils.data import Dataset

class Dataset(Dataset):
    def __init__(self, datas, labels):
        self.datas = datas # 数据文件路径列表
        self.labels = labels # 标签列表

    def __len__(self):
        return len(self.data)

    def __getitem__(self, idx):
        # 加载数据，例如读取图像文件
        data = self.data[idx]
        label = self.labels[idx]
		# 一系列的处理
        return data, label

DataLoader 类

概念：

DataLoader 是一个数据迭代器，用于包装 Dataset，以便于批量（batch）加载数据。

作用：

提供批量数据、数据打乱（shuffle）、并行加载（多线程/多进程）等功能，提高数据加载的效率。

关键参数：

dataset: 要加载的数据集（Dataset 实例）。
batch_size: 每个批次的样本数量。
shuffle: 是否在每个 epoch 开始时打乱数据。
num_workers: 使用多少子进程来加载数据（0 表示不使用多进程）。
collate_fn: 指定如何将一批样本组合成一个批次。

工作流程：

从 Dataset 中按索引取出样本。
使用 collate_fn 将多个样本组合成一个批次。
迭代返回批量数据供模型训练或评估。

示例（PyTorch）：

python 复制代码

from torch.utils.data import DataLoader

# 创建 Dataset 实例
dataset = MyDataset(datas, labels)

# 创建 DataLoader 实例
dataloader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)