最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

解決pytorch load huge dataset(大數(shù)據(jù)加載)

 更新時間:2021年05月31日 09:31:30   作者:huangneng0219  
這篇文章主要介紹了解決pytorch load huge dataset(大數(shù)據(jù)加載)的問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教

問題

最近用pytorch做實驗時,遇到加載大量數(shù)據(jù)的問題。實驗數(shù)據(jù)大小在400Gb,而本身機器的memory只有256Gb,顯然無法將數(shù)據(jù)一次全部load到memory。

解決方法

首先自定義一個MyDataset繼承torch.utils.data.Dataset,然后將MyDataset的對象feed in torch.utils.data.DataLoader()即可。

MyDataset在__init__中聲明一個文件對象,然后在__getitem__中緩慢讀取數(shù)據(jù),這樣就不會一次把所有數(shù)據(jù)加載到內(nèi)存中了。訓(xùn)練數(shù)據(jù)存放在train.txt中,每一行是一條數(shù)據(jù)記錄。

import torch.utils.data as Data
from tqdm import tqdm
class MyDataset(Data.Dataset):
	def __init__(self,filepath):
		number = 0
		with open(filepath,"r") as f:
			# 獲得訓(xùn)練數(shù)據(jù)的總行數(shù)
			for _ in tqdm(f,desc="load training dataset"):
				number+=1
		self.number = number
		self.fopen = open(filepath,'r')
	def __len__(self):
		return self.number
	def __getitem__(self,index):
		line = self.fopen.__next__()
		# 自定義transform()對訓(xùn)練數(shù)據(jù)進行預(yù)處理
		data = transform(line)
		return data

train_dataset = MyDataset(filepath = "train.txt")
training_data = Data.DataLoader(dataset=train_dataset, batch_size=32,num_workers=1)

注意

1、num_workers只能設(shè)置為1。因為MyDataset初始化時只有一個文件對象,在dataloader時num_workers=1只用一個線程去操作文件對象讀取數(shù)據(jù)。如果num_workers>1, 會出錯,多個線程同時操作同一個文件對象,得到的數(shù)據(jù)并不是你想要的。

2、每一個epoch結(jié)束以后,需要重新聲明train_dataset和training_data。因為一個epoch結(jié)束以后,文件對象已經(jīng)指向文件末尾,下一個epoch取數(shù)據(jù)時,什么也得不到。

3、因為這里__getitem__()只是順序的從文件中取出一行,而與index無關(guān),那么在DataLoader時,即使參數(shù)shuffle指定為True,得到的數(shù)據(jù)依然是順序的,即該方法無法shuffle數(shù)據(jù)。

補充:Pytorch加載自己的數(shù)據(jù)集(使用DataLoader讀取Dataset)

1. 我們經(jīng)??梢钥吹絇ytorch加載數(shù)據(jù)集會用到官方整理好的數(shù)據(jù)集

很多時候我們需要加載自己的數(shù)據(jù)集,這時候我們需要使用Dataset和DataLoader

Dataset:是被封裝進DataLoader里,實現(xiàn)該方法封裝自己的數(shù)據(jù)和標簽。

DataLoader:被封裝入DataLoaderIter里,實現(xiàn)該方法達到數(shù)據(jù)的劃分。

2.Dataset

閱讀源碼后,我們可以指導(dǎo),繼承該方法必須實現(xiàn)兩個方法:

_getitem_()

_len_()

因此,在實現(xiàn)過程中我們測試如下:

import torch
import numpy as np

# 定義GetLoader類,繼承Dataset方法,并重寫__getitem__()和__len__()方法
class GetLoader(torch.utils.data.Dataset):
	# 初始化函數(shù),得到數(shù)據(jù)
    def __init__(self, data_root, data_label):
        self.data = data_root
        self.label = data_label
    # index是根據(jù)batchsize劃分數(shù)據(jù)后得到的索引,最后將data和對應(yīng)的labels進行一起返回
    def __getitem__(self, index):
        data = self.data[index]
        labels = self.label[index]
        return data, labels
    # 該函數(shù)返回數(shù)據(jù)大小長度,目的是DataLoader方便劃分,如果不知道大小,DataLoader會一臉懵逼
    def __len__(self):
        return len(self.data)

# 隨機生成數(shù)據(jù),大小為10 * 20列
source_data = np.random.rand(10, 20)
# 隨機生成標簽,大小為10 * 1列
source_label = np.random.randint(0,2,(10, 1))
# 通過GetLoader將數(shù)據(jù)進行加載,返回Dataset對象,包含data和labels
torch_data = GetLoader(source_data, source_label)

3.DataLoader

提供對Dataset的操作,操作如下:

torch.utils.data.DataLoader(dataset,batch_size,shuffle,drop_last,num_workers)

參數(shù)含義如下:

dataset: 加載torch.utils.data.Dataset對象數(shù)據(jù)

batch_size: 每個batch的大小

shuffle:是否對數(shù)據(jù)進行打亂

drop_last:是否對無法整除的最后一個datasize進行丟棄

num_workers:表示加載的時候子進程數(shù)

因此,在實現(xiàn)過程中我們測試如下(緊跟上述用例):

from torch.utils.data import DataLoader

# 讀取數(shù)據(jù)
datas = DataLoader(torch_data, batch_size=6, shuffle=True, drop_last=False, num_workers=2)

此時,我們的數(shù)據(jù)已經(jīng)加載完畢了,只需要在訓(xùn)練過程中使用即可。

4.查看數(shù)據(jù)

我們可以通過迭代器(enumerate)進行輸出數(shù)據(jù),測試如下:

for i, data in enumerate(datas):
 # i表示第幾個batch, data表示該batch對應(yīng)的數(shù)據(jù),包含data和對應(yīng)的labels
    print("第 {} 個Batch \n{}".format(i, data))

輸出結(jié)果如下圖:

結(jié)果說明:由于數(shù)據(jù)的是10個,batchsize大小為6,且drop_last=False,因此第一個大小為6,第二個為4。每一個batch中包含data和對應(yīng)的labels。

當我們想取出data和對應(yīng)的labels時候,只需要用下表就可以啦,測試如下:

# 表示輸出數(shù)據(jù)
print(data[0])
# 表示輸出標簽
print(data[1])

結(jié)果如圖:

在這里插入圖片描述

以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python?Opencv實現(xiàn)圖片切割處理

    Python?Opencv實現(xiàn)圖片切割處理

    這篇文章主要為大家詳細介紹了Python?Opencv實現(xiàn)圖片切割處理,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2022-01-01
  • pandas中使用數(shù)據(jù)透視表的示例代碼

    pandas中使用數(shù)據(jù)透視表的示例代碼

    本文主要介紹了pandas中使用數(shù)據(jù)透視表的示例代碼,主要包含pivot_table函數(shù)的使用,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2024-12-12
  • python中os.path.exits()的坑

    python中os.path.exits()的坑

    本文主要介紹了python中os.path.exits()的坑,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-04-04
  • 深入淺析Python 中 is 語法帶來的誤解

    深入淺析Python 中 is 語法帶來的誤解

    這篇文章主要介紹了Python 中 is 語法帶來的誤解,本文給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-05-05
  • OpenCV MediaPipe實現(xiàn)顏值打分功能

    OpenCV MediaPipe實現(xiàn)顏值打分功能

    這篇文章主要介紹了通過OpenCV MediaPipe實現(xiàn)攝像頭實時檢測顏值打分功能,文中的示例代碼講解詳細,對我們學(xué)習(xí)Python有一定的幫助,感興趣的可以了解一下
    2021-12-12
  • pycharm: 恢復(fù)(reset) 誤刪文件的方法

    pycharm: 恢復(fù)(reset) 誤刪文件的方法

    今天小編就為大家分享一篇pycharm: 恢復(fù)(reset) 誤刪文件的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • 淺談Python中的可變對象和不可變對象

    淺談Python中的可變對象和不可變對象

    下面小編就為大家?guī)硪黄獪\談Python中的可變對象和不可變對象。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-07-07
  • python requests post的使用方式

    python requests post的使用方式

    這篇文章主要介紹了python requests post的使用方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-03-03
  • Django應(yīng)用程序入口WSGIHandler源碼解析

    Django應(yīng)用程序入口WSGIHandler源碼解析

    這篇文章主要介紹了Django應(yīng)用程序入口WSGIHandler源碼解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-08-08
  • 使用Python編寫類UNIX系統(tǒng)的命令行工具的教程

    使用Python編寫類UNIX系統(tǒng)的命令行工具的教程

    這篇文章主要介紹了使用Python編寫類UNIX系統(tǒng)的命令行工具的教程,本文來自于IBM官方網(wǎng)站技術(shù)文檔,需要的朋友可以參考下
    2015-04-04

最新評論

凤庆县| 三亚市| 浦东新区| 安西县| 广西| 玉屏| 吉安市| 石台县| 阳新县| 卓资县| 曲水县| 克拉玛依市| 武定县| 日喀则市| 镇宁| 新龙县| 六安市| 永康市| 绥中县| 大城县| 张北县| 南溪县| 舞钢市| 武城县| 盐亭县| 琼海市| 淮南市| 台南市| 同德县| 永定县| 安庆市| 韶山市| 曲靖市| 宜君县| 大兴区| 依兰县| 和平县| 柳林县| 西峡县| 惠水县| 灵台县|