Pytorch 加载数据集的几种方法

2022-06-18 10:09:38

Pytorch 加载数据集的几种方法

总结

方案1:

方案2:

train_dataset = torchvision.datasets.MNIST(root='./data',
                                           train=True,
                                           transform=transforms.ToTensor(),
                                           download=True)

test_dataset = torchvision.datasets.MNIST(root='./data',
                                          train=False,
                                          transform=transforms.ToTensor())

# Data loader
train_loader = torch.utils.data.DataLoader(dataset=train_dataset,
                                           batch_size=batch_size,
                                           shuffle=True)

test_loader = torch.utils.data.DataLoader(dataset=test_dataset,
                                          batch_size=batch_size,
                                          shuffle=False)

在for循环中调用

for i, (images, labels) in enumerate(train_loader):

方案3:官网的介绍

Dataset stores the samples and their corresponding labels

Dataset 包含数据样本和相应的标签labels;

DataLoader wraps an iterable around theDataset to enable easy access to the samples.

DataLoader 相当于是对dateset的一个迭代器封装;

对数据集中的数据,进行可视化;

构建自己的dataset

Datasets & DataLoaders — PyTorch Tutorials 1.11.0+cu102 documentation

官方文档YYDS

  • 作者:fK0pS
  • 原文链接:https://blog.csdn.net/Hodors/article/details/124431987
    更新时间:2022-06-18 10:09:38