pytorch中的TensorDataset和DataLoader

TensorDataset 详解

TensorDataset 主要用于将多个 Tensor 组合在一起，方便对数据进行统一处理。它可以用于简单地将特征和标签配对，也可以将多个特征张量组合在一起。

1. 将特征和标签组合

假设我们有一组图像数据（特征）和对应的标签，我们可以将它们组合成一个 TensorDataset。

import torch
from torch.utils.data import TensorDataset# 创建输入数据（图像）和标签
images = torch.randn(100, 3, 28, 28)  # 100张图像，每张图像3通道，28x28像素
labels = torch.randint(0, 10, (100,))  # 100个标签，范围在0到9之间# 创建 TensorDataset
dataset = TensorDataset(images, labels)# 访问数据集中的特定样本
sample_image, sample_label = dataset[0]
print(f"Sample Image Shape: {sample_image.shape}")  # 输出: Sample Image Shape: torch.Size([3, 28, 28])
print(f"Sample Label: {sample_label}")  # 输出: Sample Label: 3

在这个例子中，我们创建了一个包含100张图像和对应标签的 TensorDataset。通过 dataset[0]，我们可以访问第一个样本的图像和标签。

2. 组合多个特征张量

除了将特征和标签组合，TensorDataset 还可以将多个特征张量组合在一起。例如，假设我们有两个不同的特征张量，我们可以将它们组合成一个 TensorDataset。

# 创建两个特征张量
feature1 = torch.randn(100, 50)  # 100个样本，每个样本50维
feature2 = torch.randn(100, 30)  # 100个样本，每个样本30维# 创建 TensorDataset
dataset = TensorDataset(feature1, feature2)# 访问数据集中的特定样本
sample_feature1, sample_feature2 = dataset[0]
print(f"Sample Feature1 Shape: {sample_feature1.shape}")  # 输出: Sample Feature1 Shape: torch.Size([50])
print(f"Sample Feature2 Shape: {sample_feature2.shape}")  # 输出: Sample Feature2 Shape: torch.Size([30])

在这个例子中，我们创建了一个包含两个特征张量的 TensorDataset，并通过 dataset[0] 访问第一个样本的两个特征。

DataLoader 详解

DataLoader 主要用于批量加载数据，并支持多种数据处理功能，如随机打乱、多线程加载等。

1. 批量处理数据

DataLoader 可以将数据集划分为多个批次（batch），便于模型训练。

from torch.utils.data import DataLoader# 创建 DataLoader
train_loader = DataLoader(dataset, batch_size=32, shuffle=False)# 遍历 DataLoader
for batch_features, batch_labels in train_loader:print(f"Batch Features Shape: {batch_features.shape}")  # 输出: Batch Features Shape: torch.Size([32, 3, 28, 28])print(f"Batch Labels Shape: {batch_labels.shape}")  # 输出: Batch Labels Shape: torch.Size([32])# 这里可以进行训练操作，如前向传播、反向传播等

在这个例子中，train_loader 将数据集划分为大小为32的批次。通过遍历 train_loader，我们可以轻松地获取每个批次的特征和标签。

2. 数据打乱

DataLoader 可以通过设置 shuffle=True 来在每个 epoch 开始时随机打乱数据，避免模型学习到数据的顺序。

# 创建 DataLoader，并设置 shuffle=True
train_loader = DataLoader(dataset, batch_size=32, shuffle=True)# 遍历 DataLoader
for epoch in range(2):  # 假设我们要训练两个 epochfor batch_features, batch_labels in train_loader:print(f"Epoch {epoch}, Batch Features Shape: {batch_features.shape}")# 这里可以进行训练操作

在这个例子中，每次 epoch 开始时，数据都会被随机打乱，确保模型不会受到数据顺序的影响。

3. 多线程加载

DataLoader 支持通过设置 num_workers 参数来使用多线程并行加载数据，加快数据读取速度。

# 创建 DataLoader，并设置 num_workers=4
train_loader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)# 遍历 DataLoader
for batch_features, batch_labels in train_loader:print(f"Batch Features Shape: {batch_features.shape}")# 这里可以进行训练操作

在这个例子中，我们设置了 num_workers=4，表示使用4个线程来并行加载数据，从而加快数据读取速度。

结合使用 TensorDataset 和 DataLoader

以下是一个完整的示例，展示了如何结合使用 TensorDataset 和 DataLoader 进行数据加载和训练。

import torch
from torch.utils.data import TensorDataset, DataLoader# 创建输入数据和标签
images = torch.randn(1000, 3, 28, 28)  # 1000张图像，每张图像3通道，28x28像素
labels = torch.randint(0, 10, (1000,))  # 1000个标签，范围在0到9之间# 创建 TensorDataset
dataset = TensorDataset(images, labels)# 创建 DataLoader
train_loader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4)# 遍历 DataLoader 进行训练
for epoch in range(2):for batch_images, batch_labels in train_loader:print(f"Epoch {epoch}, Batch Images Shape: {batch_images.shape}")print(f"Epoch {epoch}, Batch Labels Shape: {batch_labels.shape}")# 这里可以进行训练操作，如前向传播、反向传播等

在这个例子中，我们首先使用 TensorDataset 将图像和标签组合在一起，然后通过 DataLoader 进行批量加载和训练。通过设置 shuffle=True 和 num_workers=4，我们实现了数据的随机打乱和多线程加载。