torch.utils.data

2022-08-16 16:04:43 阅读：137 来源： 互联网

class torch.utils.data.Dataset

表示 \(Dataset\) 的抽象类。

所有其他数据集都应该进行子类化。所以子类应该覆写 __len__和__getitem__，前者提供了数据集的大小，后者支持整数索引，范围从 \(0\) 到 \(len(self)\)。

class torch.utils.data.TensorFataset(data_tensor, target_tensor)

包装数据和目标张量的数据集。

通过沿着第一个维度索引两个张量来恢复每个样本。

参数：

data_tensor(Tensor)：包含样本数据。
target_tensor(Tensor)：包含样本标签。

class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
                                  num_workers=0, collate_fn=<function default_collate>,
                                  pin_memory=False, drop_last=False)

数据加载器。组合数据集合采样器，并在数据集上提供单进程或多进程迭代器。

参数：

dataset (\(Dataset\))：加载的数据集。
batch_size (\(int,optional\))：每个 \(batch\) 加载多少个样本（默认：1）。
shuffle (\(bool, optional\))：设置为 \(True\) 时会在每个 \(epoch\) 重新打乱数据（默认：\(False\)）。
sample (\(Sample,optional\))：定义从数据集中提取样本的策略。如果指定，则忽略shuffle参数。
num_workers (\(int,optional\))：用多少个子进程加载数据。\(0\) 表示数据将在主进程中加载（默认：\(0\)）。
collate_fn (\(callable,optional\))
pin_memory (\(bool, optional\))
drop_last (\(bool,optional\))：如果数据集大小不能被 \(batch\ size\) 整除，则设置为 \(True\) 后可删除最后一个不完整的 \(batch\)。如果设为 \(False\) 并且数据集大小不能被 \(batch\ size\) 整除，则最后一个 \(batch\) 将更小。（默认：\(False\)）。

class torch.utils.data.sampler.Sampler(data_source)

所有采样器的基础类。

每个采样器子类必须提供一个 __iter__ 方法，提供一种迭代数据集元素的索引的方法，以及返回迭代器长度的 __len__ 方法。

class torch.utils.data.sampler.SequentialSampler(data_source)

样本元素顺序排列，始终以相同的顺序。

参数：

data_source(\(Dataset\))：采样的数据集。

class torch.utils.data.sampler.RandomSampler(data_source)

样本元素随机，没有替换。

参数：

data_source(\(Dataset\))：采样的数据集。

class torch.utils.data.sampler.SubsetRandomSampler(indices)

样本元素从指定的索引列表中随机抽取，没有替换。

参数：

indices(\(list\))：索引的列表。

class torch.utils.data.sampler.WeightedRandomSampler(weights, 
                                                     num_samples, 
                                                     replacement=True)

样本元素来自于 \([0,..,len(weights)-1]\)，给定概率（\(weights\)）。

参数：

weights(\(list\))：权重列表。没必要加起来为1 - num_samples (int) – 抽样数量

标签：__,data,utils,torch,数据,class
来源： https://www.cnblogs.com/keye/p/16591835.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

torch.utils.data