作为一个2年多的不资深keraser和tfer，被boss要求全员换成pytorch。不得不说，pytorch还是真香的。之前用keras，总会发现多GPU使用的情况下不太好，对计算资源的利用率不太高。把模型改成pytorch以后，发现资源利用率非常可观。

非常看好pytorch的前途，到时候能制衡一下tf就好了。闲话不多扯，我来讲讲初入pytorch最重要的东西：dataset

网上有很多介绍pytorch dataset类的文章，不过大多数都是讲解某一类任务的数据集模型建立。不太具有泛化性，本文将提出一个通用的数据集接口解决技巧，供大家参考。

实验环境:

python==3.7.3

ubuntu==16.04

pytorch==1.1.0

dataset类

为什么木盏会说dataset是初入pytorch最重要的东西？因为我们复现项目的时候，最需要改的就是数据集。其他调调参改改模型问题都不大。

如果弄明白了pytorch中dataset类，你可以创建适应任意模型的数据集接口。

所谓数据集，无非就是一组{x:y}的集合吗，你只需要在这个类里说明“有一组{x:y}的集合”就可以了。

对于图像分类任务，图像+分类

对于目标检测任务，图像+bbox、分类

对于超分辨率任务，低分辨率图像+超分辨率图像

对于文本分类任务，文本+分类

...

你只需定义好这个项目的x和y是什么。好了，上面都是扯闲篇，我们直接看dataset代码：

class Dataset(object):"""An abstract class representing a Dataset.All other datasets should subclass it. All subclasses should override``__len__``, that provides the size of the dataset, and ``__getitem__``,supporting integer indexing in range from 0 to len(self) exclusive."""def __getitem__(self, index):raise NotImplementedErrordef __len__(self):raise NotImplementedErrordef __add__(self, other):return ConcatDataset([self, other])

上面的代码是pytorch给出的官方代码，其中__getitem__和__len__是子类必须继承的。

很好解释，pytorch给出的官方代码限制了标准，你要按照它的标准进行数据集建立。首先，__getitem__就是获取样本对，模型直接通过这一函数获得一对样本对{x:y}。__len__是指数据集长度。

自己建立一个dataset试试：

class MyDataSet(Dataset):def __init__(self):self.sample_list = ...def __getitem__(self, index):x= ...y= ...return x, ydef __len__(self):return len(self.sample_list)

上面这个模板是本人定义好的，史称“木盏模板”。咱只需按照需求把模板填完就Ok了，那么为什么说这个模板使用于各种任务的数据集建造呢？还得依靠一个trick：通过txt文件映射。

举个实例，假设我要给一个分类器训练喂数据，我的数据是images+number的组合，比如{img:3}，这代表这个图像应该分在“3”类。我怎么写代码呢？

from torch.utils.data import Datasetclass MyDataSet(Dataset):def __init__(self, dataset_type, transform=None, update_dataset=False):"""dataset_type: ['train', 'test']"""dataset_path = '/home/muzhan/projects/dataset/'if update_dataset:make_txt_file(dataset_path)  # update datalistself.transform = transformself.sample_list = list()self.dataset_type = dataset_typef = open(dataset_path + self.dataset_type + '/datalist.txt')lines = f.readlines()for line in lines:self.sample_list.append(line.strip())f.close()def __getitem__(self, index):item = self.sample_list[index]# img = cv2.imread(item.split(' _')[0])img = Image.open(item.split(' _')[0])if self.transform is not None:img = self.transform(img)label = int(item.split(' _')[-1])return img, labeldef __len__(self):return len(self.sample_list)

上面有个transform参数，用于对数据集进行预处理的，可以根据项目选择使用。

上面有一个make_txt_file的函数需要说明一下，这个函数可以在数据集目录下创建一个txt文件，代表x和y的映射关系。这个函数大家可以自己写，一个简单脚本而已，我就不共享代码了。（如有需要，留言告知）

我给大家看一下我的datalist.txt中的几行：

/home/muzhan/projects/dataset/test/250_04.png _0
/home/muzhan/projects/dataset/test/250_05.png _7
/home/muzhan/projects/dataset/test/250_06.png _3
/home/muzhan/projects/dataset/test/250_07.png _2
/home/muzhan/projects/dataset/test/250_08.png _2
/home/muzhan/projects/dataset/test/250_09.png _3
/home/muzhan/projects/dataset/test/250_10.png _4
/home/muzhan/projects/dataset/test/250_11.png _0
/home/muzhan/projects/dataset/test/250_12.png _9

这样就可以理解我在__getitem__函数中解析x和y的方法吧，在文本中用字符串' _'隔开，当然你可以用其他字符，能够保证剪切字符串不出错即可。

我们需要测试这个dataset类是否成功：

if __name__ == '__main__'：ds = MyDataSet()print(ds.__len__())img, gt = ds.__getitem__(34) # get the 34th sampleprint(type(img))print(gt)

上面有输出，并且和你数据集一致，那证明这个dataset类是成功的。

有了这个，用DataLoader函数就可以加载我们的数据集了。

Pytorch中的dataset类——创建适应任意模型的数据集接口相关推荐

PyTorch中nn.Module类中__call__方法介绍
在PyTorch源码的torch/nn/modules/module.py文件中,有一条__call__语句和一条forward语句,如下: __call__ : Callable[-, Any] = ...
在pytorch中自定义dataset读取数据2021-1-8学习笔记
在pytorch中自定义dataset读取数据 utils import os import json import pickle import randomimport matplotlib.pyp ...
Java中创建线程需要使用的类_如何通过使用Java中的匿名类创建线程？
甲线程是可以同时与该程序的其他部分被执行的功能.所有Java程序都有至少一个称为主线程的线程,该线程由Java虚拟机(JVM)在程序启动时由主线程调用main()方法创建. 在Java中,我们可以通过 ...
利用 AssemblyAI 在 PyTorch 中建立端到端的语音识别模型
作者 | Comet 译者 | 天道酬勤,责编 | Carol 出品 | AI 科技大本营(ID:rgznai100) 这篇文章是由AssemblyAI的机器学习研究工程师Michael Nguyen ...
gpu处理信号_在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
先进的深度学习模型参数正以指数级速度增长:去年的GPT-2有大约7.5亿个参数,今年的GPT-3有1750亿个参数.虽然GPT是一个比较极端的例子但是各种SOTA模型正在推动越来越大的模型进入生产应用 ...
通过‘PyQt6‘中的QWidget类创建一个含有按钮的窗口 1
1.首先搭建一个基本的窗口 ,代码如下: import sys from PyQt6.QtWidgets import QApplication,QWidgetclass Add_func(QWidg ...
PyTorch中nn.Module类简介
torch.nn.Module类是所有神经网络模块(modules)的基类,它的实现在torch/nn/modules/module.py中.你的模型也应该继承这个类,主要重载__init__.for ...
在PyTorch中使用Seq2Seq构建的神经机器翻译模型
在这篇文章中,我们将构建一个基于LSTM的Seq2Seq模型,使用编码器-解码器架构进行机器翻译. 本篇文章内容: 介绍数据准备和预处理长短期记忆(LSTM) - 背景知识编码器模型架构(Seq ...
pytorch-构建自己的dataset类
如今,与keras .tf相比,pytorch高效的资源利用率,越来越多的Aier应用pytorch.我来讲讲初入pytorch最重要的东西:dataset 网上有很多介绍pytorch datase ...

Pytorch中的dataset类——创建适应任意模型的数据集接口

dataset类

Pytorch中的dataset类——创建适应任意模型的数据集接口相关推荐

最新文章

热门文章