PyTorch小功能之TensorDataset解读

这篇文章主要介绍了PyTorch小功能之TensorDataset解读，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

PyTorch之TensorDataset

TensorDataset 可以用来对 tensor 进行打包，就好像 python 中的 zip 功能。

该类通过每一个 tensor 的第一个维度进行索引。

因此，该类中的 tensor 第一维度必须相等。

from torch.utils.data import TensorDataset import torch from torch.utils.data import DataLoader a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9]]) b = torch.tensor([44, 55, 66, 44, 55, 66, 44, 55, 66, 44, 55, 66]) train_ids = TensorDataset(a, b) # 切片输出 print(train_ids[0:2]) print('=' * 80) # 循环取数据 for x_train, y_label in train_ids: print(x_train, y_label) # DataLoader进行数据封装 print('=' * 80) train_loader = DataLoader(dataset=train_ids, batch_size=4, shuffle=True) for i, data in enumerate(train_loader, 1):  # 注意enumerate返回值有两个,一个是序号，一个是数据（包含训练数据和标签） x_data, label = data print(' batch:{0} x_data:{1}  label: {2}'.format(i, x_data, label))

运行结果：

(tensor([[1, 2, 3],
[4, 5, 6]]), tensor([44, 55]))
================================================================================
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
tensor([1, 2, 3]) tensor(44)
tensor([4, 5, 6]) tensor(55)
tensor([7, 8, 9]) tensor(66)
================================================================================
batch:1 x_data:tensor([[1, 2, 3],
[1, 2, 3],
[4, 5, 6],
[4, 5, 6]]) label: tensor([44, 44, 55, 55])
batch:2 x_data:tensor([[4, 5, 6],
[7, 8, 9],
[7, 8, 9],
[7, 8, 9]]) label: tensor([55, 66, 66, 66])
batch:3 x_data:tensor([[1, 2, 3],
[1, 2, 3],
[7, 8, 9],
[4, 5, 6]]) label: tensor([44, 44, 66, 55])

注意：TensorDataset 中的参数必须是 tensor

Pytorch中TensorDataset的快速使用

Pytorch中，TensorDataset()可以快速构建训练所用的数据，不用使用自建的Mydataset()，如果没有熟悉适用的dataset可以使用TensorDataset()作为暂时替代。

只需要把data和label作为参数输入，就可以快速构建，之后便可以用Dataloader处理。

import numpy as np from torch.utils.data import DataLoader, TensorDataset data = np.loadtxt('x.txt') label = np.loadtxt('y.txt') data = torch.tensor(data) label = torch.tensor(label) train_data = TensorDataset(data, label) train_loader = DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)