【PyTorch】PyTorch中的数据预处理操作

PyTorch深度学习总结

第十二章 PyTorch中的数据预处理操作


文章目录


前言

上文介绍了PyTorch中torch.nn模块的全连接层,本文将介绍PyTorch中torch.utils.data 模块的数据处理操作:


一、torch.utils.data 模块

torch.utils.dataPyTorch 中用于数据处理和加载的重要模块,它提供了一系列工具和类,方便用户对数据集进行管理和操作。以下是对该模块的详细介绍:

1. 核心组件

1.1 Dataset 类

  • 作用Dataset 类是一个抽象基类,用于表示数据集。用户需要继承这个类并实现 __len____getitem__ 方法,以定义数据集的长度和如何获取数据集中的单个样本。
  • 示例
python 复制代码
import torch
from torch.utils.data import Dataset

class MyDataset(Dataset):
   def __init__(self, data):
       self.data = data

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

   def __getitem__(self, idx):
       return self.data[idx]

data = [1, 2, 3, 4, 5]
dataset = MyDataset(data)
print(len(dataset))  
print(dataset[2])    
  • 解释 :在这个示例中,我们创建了一个自定义的数据集类 MyDataset,它接受一个列表作为数据。__len__ 方法返回数据集的长度,__getitem__ 方法根据索引返回数据集中的单个样本。

1.2 DataLoader 类

  • 作用DataLoader 类用于将数据集封装成一个可迭代的对象,支持批量加载数据、打乱数据顺序、多线程加载等功能,方便在训练模型时使用。
  • 示例
python 复制代码
from torch.utils.data import DataLoader

dataloader = DataLoader(dataset, batch_size=2, shuffle=True)
for batch in dataloader:
   print(batch)
  • 解释 :在这个示例中,我们将之前创建的 dataset 封装成一个 DataLoader 对象,设置批量大小为 2,并开启数据打乱功能。然后通过迭代 DataLoader 对象,可以逐批获取数据。

2.常用工具类

2.1 Subset 类

  • 作用Subset 类用于创建数据集的子集,通过指定数据集和索引列表来获取子集中的数据。
  • 示例
python 复制代码
from torch.utils.data import Subset

subset = Subset(dataset, [0, 2, 4])
print(len(subset))  
print(subset[1])    
  • 解释 :在这个示例中,我们创建了 dataset 的一个子集 subset,只包含索引为 0、2、4 的样本。

2.2 ConcatDataset 类

  • 作用ConcatDataset 类用于将多个数据集合并成一个数据集。
  • 示例
python 复制代码
from torch.utils.data import ConcatDataset

dataset1 = MyDataset([1, 2, 3])
dataset2 = MyDataset([4, 5, 6])
concat_dataset = ConcatDataset([dataset1, dataset2])
print(len(concat_dataset))  
print(concat_dataset[4])    
  • 解释 :在这个示例中,我们将两个自定义的数据集 dataset1dataset2 合并成一个新的数据集 concat_dataset

3. 数据采样器

3.1 RandomSampler 类

  • 作用RandomSampler 类用于随机采样数据集中的样本,常用于打乱数据顺序。
  • 示例
python 复制代码
from torch.utils.data import RandomSampler

sampler = RandomSampler(dataset)
dataloader = DataLoader(dataset, batch_size=2, sampler=sampler)
for batch in dataloader:
   print(batch)
  • 解释 :在这个示例中,我们使用 RandomSampler 类对数据集进行随机采样,然后将采样器传递给 DataLoader 对象,这样在加载数据时会随机获取样本。

3.2 SequentialSampler 类

  • 作用SequentialSampler 类用于按顺序采样数据集中的样本。
  • 示例
python 复制代码
from torch.utils.data import SequentialSampler

sampler = SequentialSampler(dataset)
dataloader = DataLoader(dataset, batch_size=2, sampler=sampler)
for batch in dataloader:
  print(batch)
  • 解释 :在这个示例中,我们使用 SequentialSampler 类对数据集进行顺序采样,然后将采样器传递给 DataLoader 对象,这样在加载数据时会按顺序获取样本。

二、常用函数

操作函数 功能
torch.utils.data.TensorDataset() 将数据处理为张量
torch.utils.data.ConcatDataset() 连接多个数据集
torch.utils.data.Subset() 根据索引获取数据集的子集
torch.utils.data.DataLoader() 数据加载器
torch.utils.data.random_split() 随机将数据集拆分为给定长度的非重叠新数据集
相关推荐
mit6.8249 分钟前
[自动化Adapt] 父子事件| 冗余过滤 | SQLite | SQLAlchemy | 会话工厂 | Alembic
python·算法·自动化
2025年一定要上岸12 分钟前
【Django】-7- 实现注册功能
后端·python·django
这张生成的图像能检测吗1 小时前
(论文速读)RMT:Retentive+ViT的视觉新骨干
人工智能·深度学习·计算机视觉·transformer·注意力机制
七月shi人6 小时前
【AI编程工具IDE/CLI/插件专栏】-国外IDE与Cursor能力对比
ide·人工智能·ai编程·代码助手
橙 子_7 小时前
基于 Amazon Nova Sonic 和 MCP 构建语音交互 Agent
python
2zcode8 小时前
基于Matlab的深度学习智能行人检测与统计系统
人工智能·深度学习·目标跟踪
宇寒风暖8 小时前
Flask 框架全面详解
笔记·后端·python·学习·flask·知识
哪 吒8 小时前
【2025C卷】华为OD机试九日集训第3期 - 按算法分类,由易到难,提升编程能力和解题技巧
python·算法·华为od·华为od机试·2025c卷
weixin_464078079 小时前
机器学习sklearn:过滤
人工智能·机器学习·sklearn
weixin_464078079 小时前
机器学习sklearn:降维
人工智能·机器学习·sklearn