pytorch 实现多个Dataloader同时训练

看代码吧~

如果两个dataloader的长度不一样，那就加个：

from itertools import cycle

仅使用zip，迭代器将在长度等于最小数据集的长度时耗尽。 但是，使用cycle时，我们将再次重复最小的数据集，除非迭代器查看最大数据集中的所有样本。

补充：pytorch技巧：自定义数据集 torch.utils.data.dataloader 及dataset的使用

本博客中有可直接运行的例子，便于直观的理解，在torch环境中运行即可。

1. 数据传递机制

在 pytorch 中数据传递按一下顺序：

1、创建 datasets ，也就是所需要读取的数据集。

2、把 datasets 传入dataloader。

3、dataloader迭代产生训练数据提供给模型。

2. torch.utils.data.dataset

pytorch提供两种数据集：

map式数据集 iterable式数据集。其中map式数据集继承torch.utils.data.dataset，iterable式数据集继承torch.utils.data.iterabledataset。

本文只介绍 map式数据集。

一个map式的数据集必须要重写 __getitem__(self, index)、 __len__(self) 两个方法，用来表示从索引到样本的映射(map)。 __getitem__(self, index)按索引映射到对应的数据， __len__(self)则会返回这个数据集的长度。

基本格式如下：

 import torch.utils.data as data
class vocdetection(data.dataset):
    '''
    必须继承data.dataset类
    '''
    def __init__(self):
        '''
        在这里进行初始化，一般是初始化文件路径或文件列表
        '''
        pass
    def __getitem__(self, index):
        '''
        1. 按照index，读取文件中对应的数据  （读取一个数据！！！！我们常读取的数据是图片，一般我们送入模型的数据成批的，但在这里只是读取一张图片，成批后面会说到）
        2. 对读取到的数据进行数据增强 (数据增强是深度学习中经常用到的，可以提高模型的泛化能力)
        3. 返回数据对 （一般我们要返回 图片，对应的标签） 在这里因为我没有写完整的代码，返回值用 0 代替
        '''
        return 0
    def __len__(self):
        '''
        返回数据集的长度
        '''
        return 0

可直接运行的例子：

import torch.utils.data as data
import numpy as np
x = np.array(range(80)).reshape(8, 10) # 模拟输入， 8个样本，每个样本长度为10
y = np.array(range(8))  # 模拟对应样本的标签， 8个标签 
class mydataset(data.dataset):
    def __init__(self, x, y):
        self.x = x
        self.y = y
        self.idx = list()
        for item in x:
            self.idx.append(item)
        pass
    def __getitem__(self, index):
        input_data = self.idx[index] #可继续进行数据增强，这里没有进行数据增强操作
        target = self.y[index]
        return input_data, target
    def __len__(self):
        return len(self.idx)
datasets = mydataset(x, y)  # 初始化
print(datasets.__len__())  # 调用__len__() 返回数据的长度
for i in range(len(y)):
    input_data, target = datasets.__getitem__(i)  # 调用__getitem__(index) 返回读取的数据对
    print('input_data%d =' % i, input_data)
    print('target%d = ' % i, target)

结果如下：

3. torch.utils.data.dataloader

pytorch中数据读取的一个重要接口是 torch.utils.data.dataloader。

该接口主要用来将自定义的数据读取接口的输出或者pytorch已有的数据读取接口的输入按照batch_size封装成tensor，后续只需要再包装成variable即可作为模型的输入。

torch.utils.data.dataloader(onject)的可用参数如下：

1.dataset(dataset): 数据读取接口,该输出是torch.utils.data.dataset类的对象(或者继承自该类的自定义类的对象)。

2.batch_size (int, optional): 批训练数据量的大小，根据具体情况设置即可。一般为2的n次方（默认:1）

3.shuffle (bool, optional)：是否打乱数据，一般在训练数据中会采用。（默认：false）

4.sampler (sampler, optional)：从数据集中提取样本的策略。如果指定，“shuffle”必须为false。我没有用过，不太了解。

5.batch_sampler (sampler, optional)：和batch_size、shuffle等参数互斥，一般用默认。

6.num_workers：这个参数必须大于等于0，为0时默认使用主线程读取数据，其他大于0的数表示通过多个进程来读取数据，可以加快数据读取速度，一般设置为2的n次方，且小于batch_size（默认：0）

7.collate_fn (callable, optional): 合并样本清单以形成小批量。用来处理不同情况下的输入dataset的封装。

8.pin_memory (bool, optional)：如果设置为true，那么data loader将会在返回它们之前，将tensors拷贝到cuda中的固定内存中.

9.drop_last (bool, optional): 如果数据集大小不能被批大小整除，则设置为“true”以除去最后一个未完成的批。如果“false”那么最后一批将更小。（默认：false）

10.timeout(numeric, optional)：设置数据读取时间限制，超过这个时间还没读取到数据的话就会报错。（默认：0）

11.worker_init_fn (callable, optional): 每个worker初始化函数（默认：none)

可直接运行的例子：

import torch.utils.data as data
import numpy as np
x = np.array(range(80)).reshape(8, 10) # 模拟输入， 8个样本，每个样本长度为10
y = np.array(range(8))  # 模拟对应样本的标签， 8个标签
class mydataset(data.dataset):
    def __init__(self, x, y):
        self.x = x
        self.y = y
        self.idx = list()
        for item in x:
            self.idx.append(item)
        pass
    def __getitem__(self, index):
        input_data = self.idx[index]
        target = self.y[index]
        return input_data, target
    def __len__(self):
        return len(self.idx)
if __name__ ==('__main__'):
    datasets = mydataset(x, y)  # 初始化
    dataloader = data.dataloader(datasets, batch_size=4, num_workers=2) 
    for i, (input_data, target) in enumerate(dataloader):
        print('input_data%d' % i, input_data)
        print('target%d' % i, target)

结果如下：（注意看类别，dataloader把数据封装为tensor）

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。