温州网站制作计划,wordpress电话,百度搜索引擎营销,室内设计公司加盟一、单进程读取数据
Dataset
在数据量很大#xff0c;无法将全部数据加载到内存的情况下#xff0c;可以在init中读出表数据行数#xff0c;在__len__设置为长度返回#xff0c;在__getitem__中根据idx读表#xff0c;idx就可以表示读取的表的行数#xff0c;一般在读表…一、单进程读取数据
Dataset
在数据量很大无法将全部数据加载到内存的情况下可以在init中读出表数据行数在__len__设置为长度返回在__getitem__中根据idx读表idx就可以表示读取的表的行数一般在读表的时候写作 path/table_name?start{}end{}
import torch
import numpy as np
from torch.utils.data import IterableDataset, Dataset
需要先一次性把data都从文件或者表中读出来知道数据的长度为了生成index列表长度为数据的长度
分batch训练的时候dataloader根据分好的一个batch中的idx来读取这个batch中的数据
a [{anchor_text: np.array([1, 1, 1]), anchor_vis: np.array([1, 1, 1])},{anchor_text: np.array([2, 2, 1]), anchor_vis: np.array([4, 1, 1])},{anchor_text: np.array([3, 3, 1]), anchor_vis: np.array([2, 1, 1])},{anchor_text: np.array([4, 4, 1]), anchor_vis: np.array([3, 1, 1])}]class TableDataset(Dataset):def __init__(self):self.tablepath self.data_length len(a)def __len__(self):return self.data_lengthdef __getitem__(self, idx):return a[idx]train_dataset TableDataset()
train_ld torch.utils.data.DataLoader(train_dataset, batch_size2, shuffleFalse)for idx, batch_data in enumerate(train_ld):print(batch_data)at batch_data[anchor_text].to(torch.float32)# print(at--------,at)IterableDataset
在数据量很大无法将全部数据加载到内存的情况下可以在__iter__中一行一行的读表读一行就立马返回一行。
import torch
import numpy as np
from torch.utils.data import IterableDataset, Dataset不需要一次性知道数据长度
分batch训练的时候dataloader根据一个batch的大小bs来执行__iter__函数bs次得到这个batch的数据
a [{anchor_text: np.array([1, 1, 1]), anchor_vis: np.array([1, 1, 1])},{anchor_text: np.array([2, 2, 1]), anchor_vis: np.array([4, 1, 1])},{anchor_text: np.array([3, 3, 1]), anchor_vis: np.array([2, 1, 1])},{anchor_text: np.array([4, 4, 1]), anchor_vis: np.array([3, 1, 1])}]class TableDataset2(IterableDataset):def __init__(self):self.tablepath def __iter__(self):for line in a:print(line:,line)yield linetrain_dataset TableDataset2()
train_ld torch.utils.data.DataLoader(train_dataset, batch_size2, shuffleFalse)for idx, batch_data in enumerate(train_ld):print(batch_data)at batch_data[anchor_text].to(torch.float32)# print(at--------,at)上述提到的处理数据量大的方法都需要提前将数据处理好存入表中程序读取数据就可以直接跑模型了。
二、多进程读取数据
后续有时间再补上
IterableDataset
当DataLoader设置为多进程时每个进程都会拥有一个IterableDataset的生成器函数__iter__每当这个进程收集到的数据达到batch size的时候就把这批收集到的数据给loader也就在for batch_data in train_loader: 的时候就能得到这批数据。
