深度学习 | Pytorch官方文档学习记录

从官方文档开始入手
Last Modified: 2022/1/13

---

深度学习 | Pytorch官方文档学习记录

• PYTORCH RECIPES
• • LOADING DATA IN PYTORCH
• 参考链接

---

提示：以下是本篇文章正文内容，下面案例可供参考

---

PYTORCH RECIPES

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

LOADING DATA IN PYTORCH

Introduction

PyTorch数据加载实用程序的核心是torch.utils.data.DataLoader类。它表示在数据集上的可迭代的 Python。
PyTorch 中的库提供内置的高质量数据集供您在torch.utils.data.Dataset中使用。这些数据集目前可用于：

• torchvision
• torchaudio
• torchtext

还有更多。

通过使用来自torchaudio.datasets.YESNO的Yesno数据集，我们将演示如何有效且高效地将数据从PyTorch Dataset加载到PyTorch DataLoader。

Setup

在开始之前，我们需要安装torchaudio才能访问数据集。
pip install torchaudio

要在 Google Colab 中运行，请取消注释以下行:
!pip install torchaudio

Steps

1. 导入所有必要的库以加载我们的数据

对于这个recipe，我们将使用torch和torchaudio。根据您使用的内置数据集，您还可以安装和导入torchvision或torchtext。

2. 访问数据集中的数据

torchaudio中的Yesno数据集包含 60 条关于一个人用希伯来语说是或否的录音；每个录音有八个字长。
torchaudio.datasets.YESNO为 YesNo 创建一个数据集。

torchaudio.datasets.YESNO(
     root,
     url='http://www.openslr.org/resources/1/waves_yesno.tar.gz',
     folder_in_archive='waves_yesno',
     download=False,
     transform=None,
     target_transform=None)

数据集中的每一项都是以下形式的元组：(waveform, sample_rate, labels)，其中labels是一个整数列表，1表示是，0表示否。

您必须为 Yesno数据集设置root，这是训练和测试数据集所在的位置。

download: 如果为 true，则从 Internet 下载数据集并将其放在根目录中。如果数据集已经下载，则不会再次下载。

transform：对数据使用转换可以让你从源状态中获取数据，并将其转换为连接在一起、去规范化并准备好进行训练的数据。PyTorch 中的每个库都支持不断增长的转换列表。

target_transform：一个函数/变换，它接受目标并对其进行变换。

在实践中使用这些数据时，最好将数据配置为“training”数据集和“testing”数据集。这可确保您拥有样本外数据（out-of-sample data）来测试模型的性能。

3. 加载数据

现在我们可以访问数据集，我们必须通过torch.utils.data.DataLoader传递它。 DataLoader将数据集和采样器组合在一起，返回数据集的可迭代对象。

4. 遍历数据
5. [可选] 可视化数据

---

参考链接

写本文时参考以下链接：

攻略

新手如何入门pytorch？ - 灰灰的回答 - 知乎

#todo: 带你少走弯路：强烈推荐的Pytorch快速入门资料和翻译（可下载）
#todo: 深度学习入门之 PyTorch

官方文档

WELCOME TO PYTORCH TUTORIALS
PyTorch中文文档