目录

1.名词解释

2. 数据集加载器Dataloader

3.完整代码

---

推荐课程：08.加载数据集_哔哩哔哩_bilibili

1.名词解释

名词解释：Epoch，Batch，Batch-Size，Iterations

Epoch（周期）：指所有的训练样本都进行一次前向和反向传播

Batch-Size（批量大小）：batch进行一次前向和反向传播的样本数量

Iterations（迭代）：完成一次epoch中batch的次数

2. 数据集加载器Dataloader

DataLoader是pytorch定义的数据集加载器
通过DataLoader设置mini_batch,设置DataLoader相关参数即可

DataLoader参数：

dataset：数据集

num_workers：需要几个并行的进程读取数据

batch_size：一次batch所需的样本数量

shuffle：是否打乱数据集顺序，打乱数据集有利于模型克服“鞍点问题”

只要数据集能支持索引和提供数据集长度，DataLoader就能对数据集生产batch。

处理数据集两种方法：1.数据集不够大，直接读进内存。2.数据集所占空间比较大，像图片、语音的数据集，将文件名读进内存，根据文件名加载问价。

代码实现（使用数据集加载器Dataloader加载diabetes数据集）：

# 自定义数据集类
class DiabetesDataset(Dataset):
    def __init__(self, filepath):
        # 返回nbarray多维数组
        xy = np.loadtxt(filepath, delimiter=',',dtype=np.float32)
        # shape函数读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。
        self.len = xy.shape[0]
        # 数组切片，x[start:stop:step]，step为负值表示为逆序。from_numpy函数，numpy转torch
        self.x_data = torch.from_numpy(xy[:,:-1])
        # [-1] 最后得到的是个矩阵
        self.y_data = torch.from_numpy(xy[:, [-1]])

    # 通过索引拿数据
    def __getitem__(self, index):
        return self.x_data[index], self.y_data[index]

    # 返回数据集长度
    def __len__(self):
        return self.len


dataset = DiabetesDataset('dataset/diabetes.csv')
# DataLoader是pytorch定义的数据集加载器
# dataset数据集，batch_size小批量所需的数据量，shuffle是否要打乱数据集，num_workers需要几个并行的进程读取数据
# 通过DataLoader设置mini_batch
train_loader = DataLoader(dataset=dataset,
                          batch_size=32,
                          shuffle=True,
                          num_workers=2)

3.完整代码

import numpy as np
import torch
# Dataset是一个抽象类，我们必须自定义数据集类并继承这个类
from torch.utils.data import Dataset
from torch.utils.data import DataLoader

#……1.准备数据集……………………………………………………………………………………………………………………………#
# 自定义数据集类
class DiabetesDataset(Dataset):
    def __init__(self, filepath):
        # 返回nbarray多维数组
        xy = np.loadtxt(filepath, delimiter=',',dtype=np.float32)
        # shape函数读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。
        self.len = xy.shape[0]
        # 数组切片，x[start:stop:step]，step为负值表示为逆序。from_numpy函数，numpy转torch
        self.x_data = torch.from_numpy(xy[:,:-1])
        # [-1] 最后得到的是个矩阵
        self.y_data = torch.from_numpy(xy[:, [-1]])

    # 通过索引拿数据
    def __getitem__(self, index):
        return self.x_data[index], self.y_data[index]

    # 返回数据集长度
    def __len__(self):
        return self.len


dataset = DiabetesDataset('dataset/diabetes.csv')
# DataLoader是pytorch定义的数据集加载器
# dataset数据集，batch_size小批量所需的数据量，shuffle是否要打乱数据集，num_workers需要几个并行的进程读取数据
# 通过DataLoader设置mini_batch
train_loader = DataLoader(dataset=dataset,
                          batch_size=32,
                          shuffle=True,
                          num_workers=2)

#…2.设计模型………………………………………………………………………………………………………………………………………#
# 继承torch.nn.Module，定义自己的计算模块,neural network
class Model(torch.nn.Module):
    # 构造函数
    def __init__(self):
        # 调用父类构造
        super(Model, self).__init__()
        # 从8维降到6维再降到4维再降到1维
        self.linear1 = torch.nn.Linear(8, 6)
        self.linear2 = torch.nn.Linear(6, 4)
        self.linear3 = torch.nn.Linear(4, 1)
        self.sigmoid = torch.nn.Sigmoid()

    # 前馈函数
    def forward(self, x):
        # 调用self.sigmoid,并linear
        x = self.sigmoid(self.linear1(x))
        x = self.sigmoid(self.linear2(x))
        x = self.sigmoid(self.linear3(x))
        return x

#……3.构造损失函数和优化器………………………………………………………………………………………………………#
# 实例化自定义模型，返回做logistic变化(也叫sigmoid)的预测值
model = Model()
# 实例化损失函数，返回损失值
criterion = torch.nn.BCELoss(size_average=True)
# 实例化优化器,优化权重w
# model.parameters()，取出模型中的参数，lr为学习率
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)


#……训练周期……………………………………………………………………………………………………………………………………………#
if __name__ == '__main__':
    for epoch in range(100):
        # 迭代train_loader
        # 根据自定义数据集类返回的data包含(x_data，y_data)，enumerate能够获取是第几次迭代
        for i, data in enumerate(train_loader, 0):
            # 1.准备数据
            inputs, labels = data
            # 2.正向传播
            y_pred = model(inputs)
            loss = criterion(y_pred, labels)
            print(epoch, i, loss.item())
            # 3.反向传播
            optimizer.zero_grad()
            loss.backward()
            # 4.更新权重w
            optimizer.step()

练习：构造一个分类模型使用titanic数据集

Titanic - Machine Learning from Disaster | Kaggle