文章目录：
- 1 Dataset基类
- 2 构建Dataset子类
-
- 2.1 __Init__
- 2.2 __getitem__
- 3 dataloader
1 Dataset基类
PyTorch 读取其他的数据，主要是通过 Dataset 类，所以先简单了解一下 Dataset 类。在看很多PyTorch的代码的时候，也会经常看到dataset这个东西的存在。Dataset类作为所有的 datasets 的基类存在，所有的 datasets 都需要继承它。
先看一下源码：
这里有一个__getitem__函数，__getitem__函数接收一个index，然后返回图片数据和标签，这个index通常是指一个list的index，这个list的每个元素就包含了图片数据的路径和标签信息。之后会举例子来讲解这个逻辑。
其实说着了些都没用，因为在训练代码里是感觉不到这些操作的，只会看到通过DataLoader就可以获取一个batch的数据，这是触发去读取图片这些操作的是DataLoader里的__iter__(self)（后面再讲）。
2 构建Dataset子类
下面我们构建一下Dataset的子类，叫他MyDataset类：
import torch
from torch.utils.data import Dataset,DataLoader
class MyDataset(Dataset):
def __init__(self):
self.data = torch.tensor([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
self.label = torch.LongTensor([1,1,0,0])
def __getitem__(self,index):
return self.data[index],self.label[index]
def __len__(self):
return len(self.data)
2.1 Init
- 初始化中，一般是把数据直接保存在这个类的属性中。像是
self.data,self.label
2.2 getitem
- index是一个索引，这个索引的取值范围是要根据
__len__这个返回值确定的，在上面的例子中，__len__的返回值是4，所以这个index会在0，1，2，3这个范围内。
3 dataloader
从上文中，我们知道了MyDataset这个类中的__getitem__的返回值，应该是某一个样本的数据和标签（如果是测试集的dataset，那么就只返回数据），在梯度下降的过程中，一般是需要将多个数据组成batch，这个需要我们自己来组合吗？不需要的，所以PyTorch中存在DataLoader这个迭代器（这个名词用的准不准确有待考究）。
继续上面的代码，我们接着写代码：
mydataloader = DataLoader(dataset=mydataset,
batch_size=1)
我们现在创建了一个DataLoader的实例，并且把之前实例化的mydataset作为参数输入进去，并且还输入了batch_size这个参数，现在我们使用的batch_size是1.下面来用for循环来遍历这个dataloader：
for i,(data,label) in enumerate(mydataloader):
print(data,label)
输出结果是：
意料之中的结果，总共输出了4个batch，每个batch都是只有1个样本（数据+标签），值得注意的是，这个输出过程是顺序的。
我们稍微修改一下上面的DataLoader的参数：
mydataloader = DataLoader(dataset=mydataset,
batch_size=2,
shuffle=True)
for i,(data,label) in enumerate(mydataloader):
print(data,label)
结果是：
可以看到每一个batch内出现了2个样本。假如我们再运行一遍上面的代码，得到：
两次结果不同，这是因为shuffle=True,dataset中的index不再是按照顺序从0到3了，而是乱序，可能是[0,1,2,3],也可能是[2,3,1,0]。
【个人感想】
Dataloader和Dataset两个类是非常方便的，因为这个可以快速的做出来batch数据，修改batch_size和乱序都非常地方便。有下面两个希望注意的地方：
- 一般标签值应该是Long整数的，所以标签的tensor可以用
torch.LongTensor(数据)或者用.long()来转化成Long整数的形式。 - 如果要使用PyTorch的GPU训练的话，一般是先判断cuda是否可用，然后把数据标签都用
to()放到GPU显存上进行GPU加速。
device = 'cuda' if torch.cuda.is_available() else 'cpu'
for i,(data,label) in enumerate(mydataloader):
data = data.to(device)
label = label.to(device)
print(data,label)
看一下输出：
- END -
