快捷導(dǎo)航

pytorch中dataloader 的sampler 參數(shù)詳解

更新時間：2022年09月01日 10:30:58 作者：mingqian_chu

這篇文章主要介紹了pytorch中dataloader 的sampler 參數(shù)詳解，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，感興趣的小伙伴可以參考一下

1. dataloader() 初始化函數(shù)

 def __init__(self, dataset, batch_size=1, shuffle=False, sampler=None,
 batch_sampler=None, num_workers=0, collate_fn=None,
pin_memory=False, drop_last=False, timeout=0,
                 worker_init_fn=None, multiprocessing_context=None):

其中幾個常用的參數(shù)：

dataset 數(shù)據(jù)集，map-style and iterable-style 可以用index取值的對象、
batch_size 大小
shuffle 取batch是否隨機(jī)取，默認(rèn)為False
sampler 定義取batch的方法，是一個迭代器，每次生成一個key 用于讀取dataset中的值
batch_sampler 也是一個迭代器，每次生次一個batch_size的key
num_workers 參與工作的線程數(shù)collate_fn 對取出的batch進(jìn)行處理
drop_last 對最后不足batchsize的數(shù)據(jù)的處理方法

下面看兩段取自DataLoader中的__init__代碼，幫助我們理解幾個常用參數(shù)之間的關(guān)系

2. shuffle 與sample　之間的關(guān)系

當(dāng)我們sampler有輸入時，shuffle的值就沒有意義，

	if sampler is None:  # give default samplers
	    if self._dataset_kind == _DatasetKind.Iterable:
	        # See NOTE [ Custom Samplers and IterableDataset ]
	        sampler = _InfiniteConstantSampler()
	    else:  # map-style
	        if shuffle:
	            sampler = RandomSampler(dataset)
	        else:
	            sampler = SequentialSampler(dataset)

當(dāng)dataset類型是map style時， shuffle其實就是改變sampler的取值

shuffle為默認(rèn)值 False時，sampler是SequentialSampler，就是按順序取樣,
shuffle為True時，sampler是RandomSampler，就是按隨機(jī)取樣

3. sample 的定義方法

3.1 sampler 參數(shù)的使用

sampler 是用來定義取batch方法的一個函數(shù)或者類，返回的是一個迭代器。

我們可以看下自帶的RandomSampler類中最重要的iter函數(shù)

    def __iter__(self):
        n = len(self.data_source)
        # dataset的長度， 按順序索引
        if self.replacement：# 對應(yīng)的replace參數(shù)
            return iter(torch.randint(high=n, size=(self.num_samples,), dtype=torch.int64).tolist())
        return iter(torch.randperm(n).tolist())

可以看出，其實就是生成索引，然后隨機(jī)的取值，然后再迭代。

其實還有一些細(xì)節(jié)需要注意理解：

比如__len__函數(shù)，包括DataLoader的len和sample的len，兩者區(qū)別，這部分代碼比較簡單，可以自行閱讀，其實參考著RandomSampler寫也不會出現(xiàn)問題。
比如，迭代器和生成器的使用，以及區(qū)別

    if batch_size is not None and batch_sampler is None:
        # auto_collation without custom batch_sampler
        batch_sampler = BatchSampler(sampler, batch_size, drop_last)
        
    self.sampler = sampler
    self.batch_sampler = batch_sampler

BatchSampler的生成過程：

# 略去類的初始化
    def __iter__(self):
        batch = []
        for idx in self.sampler:
            batch.append(idx)
            if len(batch) == self.batch_size:
                yield batch
                batch = []
        if len(batch) > 0 and not self.drop_last:
            yield batch

就是按batch_size從sampler中讀取索引，并形成生成器返回。

以上可以看出, batch_sampler和sampler， batch_size， drop_last之間的關(guān)系

如果batch_sampler沒有定義的話且batch_size有定義，會根據(jù)sampler, batch_size, drop_last生成一個batch_sampler
自帶的注釋中對batch_sampler有一句話： Mutually exclusive with :attr:batch_size :attr:shuffle, :attr:sampler, and :attr:drop_last.
意思就是b
atch_sampler 與這些參數(shù)沖突 ,即如果你定義了batch_sampler, 其他參數(shù)都不需要有

4. batch 生成過程

每個batch都是由迭代器產(chǎn)生的：

# DataLoader中iter的部分
    def __iter__(self):
        if self.num_workers == 0:
            return _SingleProcessDataLoaderIter(self)
        else:
            return _MultiProcessingDataLoaderIter(self)

# 再看調(diào)用的另一個類
class _SingleProcessDataLoaderIter(_BaseDataLoaderIter):
    def __init__(self, loader):
        super(_SingleProcessDataLoaderIter, self).__init__(loader)
        assert self._timeout == 0
        assert self._num_workers == 0

        self._dataset_fetcher = _DatasetKind.create_fetcher(
            self._dataset_kind, self._dataset, self._auto_collation, self._collate_fn, self._drop_last)

    def __next__(self):
        index = self._next_index()  
        data = self._dataset_fetcher.fetch(index)  
        if self._pin_memory:
            data = _utils.pin_memory.pin_memory(data)
        return data

到此這篇關(guān)于pytorch中dataloader 的sampler 參數(shù)詳解的文章就介紹到這了,更多相關(guān)pytorch sampler 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: