Pytorch（五）入门：DataLoader 和 Dataset

「爱情、让人受尽委屈。」 2022-05-11 09:26 287阅读 0赞

# DataLoader 和 Dataset #

构建模型的基本方法，我们了解了。  
接下来，我们就要弄明白怎么对数据进行预处理，然后加载数据，我们以前手动加载数据的方式，在数据量小的时候，并没有太大问题，但是到了大数据量，我们需要使用 shuffle, 分割成mini-batch 等操作的时候，我们可以使用PyTorch的API快速地完成这些操作。

![在这里插入图片描述][70]

Dataset是一个包装类，用来将数据包装为Dataset类，然后传入DataLoader中，我们再使用DataLoader这个类来更加快捷的对数据进行操作。

DataLoader是一个比较重要的类，它为我们提供的常用操作有：batch\_size(每个batch的大小), shuffle(是否进行shuffle操作), num\_workers(加载数据的时候使用几个子进程)

现在，我们先展示直接使用 TensorDataset 来将数据包装成Dataset类

![在这里插入图片描述][70 1]

这里差个题外话，不知道为什么，出现这个错误，

torch_dataset = Data.TensorDataset(data_tensor=x, target_tensor=y)
    TypeError: __init__() got an unexpected keyword argument 'data_tensor'

但是，改成`deal_dataset = TensorDataset(x_data, y_data)`这样就OK了。

![在这里插入图片描述][70 2]

接下来，我们来继承 Dataset类 ，写一个将数据处理成DataLoader的类。

当我们集成了一个 Dataset类之后，我们需要重写 **len** 方法，该方法提供了dataset的大小； **getitem** 方法， 该方法支持从 0 到 len(self)的索引

class DealDataset(Dataset):
        """
            下载数据、初始化数据，都可以在这里完成
        """
        def __init__(self):
            xy = np.loadtxt('../dataSet/diabetes.csv.gz', delimiter=',', dtype=np.float32) # 使用numpy读取数据
            self.x_data = torch.from_numpy(xy[:, 0:-1])
            self.y_data = torch.from_numpy(xy[:, [-1]])
            self.len = xy.shape[0]
        
        def __getitem__(self, index):
            return self.x_data[index], self.y_data[index]
    
        def __len__(self):
            return self.len
    
    # 实例化这个类，然后我们就得到了Dataset类型的数据，记下来就将这个类传给DataLoader，就可以了。    
    dealDataset = DealDataset()
    
    train_loader2 = DataLoader(dataset=dealDataset,
                              batch_size=32,
                              shuffle=True)
    
    
    for epoch in range(2):
        for i, data in enumerate(train_loader2):
            # 将数据从 train_loader 中读出来,一次读取的样本数是32个
            inputs, labels = data
    
            # 将这些数据转换成Variable类型
            inputs, labels = Variable(inputs), Variable(labels)
    
            # 接下来就是跑模型的环节了，我们这里使用print来代替
            print("epoch：", epoch, "的第" , i, "个inputs", inputs.data.size(), "labels", labels.data.size())

![在这里插入图片描述][70 3]

# torchvision 包的介绍 #

torchvision 是PyTorch中专门用来处理图像的库，PyTorch官网的安装教程，也会让你安装上这个包。

这个包中有四个大类。

torchvision.datasets

torchvision.models

torchvision.transforms

torchvision.utils

这里我们主要介绍前三个。

# torchvision.datasets #

torchvision.datasets 是用来进行数据加载的，PyTorch团队在这个包中帮我们提前处理好了很多很多图片数据集。

*  MNISTCOCO
 *  Captions
 *  Detection
 *  LSUN
 *  ImageFolder
 *  Imagenet-12
 *  CIFAR
 *  STL10
 *  SVHN
 *  PhotoTour

我们可以直接使用，示例如下：  
![在这里插入图片描述][70 4]

# torchvision.models #

torchvision.models 中为我们提供了已经训练好的模型，让我们可以加载之后，直接使用。

torchvision.models模块的 子模块中包含以下模型结构。

*  AlexNet
 *  VGG
 *  ResNet
 *  SqueezeNet
 *  DenseNet

我们可以直接使用如下代码来快速创建一个权重随机初始化的模型

import torchvision.models as models
    resnet18 = models.resnet18()
    alexnet = models.alexnet()
    squeezenet = models.squeezenet1_0()
    densenet = models.densenet_161()

也可以通过使用 pretrained=True 来加载一个别人预训练好的模型

import torchvision.models as models
    resnet18 = models.resnet18(pretrained=True)
    alexnet = models.alexnet(pretrained=True)

import torchvision.models as models
    # 加载一个 resnet18 模型
    resnet18 = models.resnet18()
    print(resnet18)

import torchvision.models as models
    resnet18 = models.resnet18(pretrained=True) # 加载一个已经预训练好的模型， 需要下载一段时间...

![在这里插入图片描述][70 5]

# 我们这里还是对MNIST进行处理，初始的MNIST是 28 * 28，我们把它处理成 96 * 96 的torch.Tensor的格式
    from torchvision import transforms as transforms
    import torchvision
    from torch.utils.data import DataLoader
    
    # 图像预处理步骤
    transform = transforms.Compose([
        transforms.Resize(96), # 缩放到 96 * 96 大小
        transforms.ToTensor(),
        transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 归一化
    ])
    
    DOWNLOAD = True
    BATCH_SIZE = 32
    
    train_dataset = torchvision.datasets.MNIST(root='./data/', train=True, transform=transform, download=DOWNLOAD)
    
    
    train_loader = DataLoader(dataset=train_dataset,
                              batch_size=BATCH_SIZE,
                              shuffle=True)
    
    print(len(train_dataset))
    print(len(train_loader))

以上代码参考：[https://github.com/LianHaiMiao/pytorch-lesson-zh/][https_github.com_LianHaiMiao_pytorch-lesson-zh]

[70]: /images/20220511/912ac972bdfd4eca8d6c251e23d134fd.png
[70 1]: /images/20220511/58c5f2a5bf0d490bb9c08e75c6983f23.png
[70 2]: /images/20220511/985c94ae271a406cacaf61ca80bb287e.png
[70 3]: /images/20220511/cbdb4fcdd3954fe4a0f1f3c8af3b85de.png
[70 4]: /images/20220511/f36436b6d81d42158712e4fc3fe9a50f.png
[70 5]: /images/20220511/b96881b6a99943c68ba821605375a52b.png
[https_github.com_LianHaiMiao_pytorch-lesson-zh]: https://github.com/LianHaiMiao/pytorch-lesson-zh/