Pytorch 使用特定元素自定义批处理
我是pytorch的新手。Strangley我找不到任何与此相关的东西,尽管它看起来相当简单 我想用具体的例子来构造我的批,就像每个批的所有例子都有相同的标签,或者只用两个类的例子来填充批 我该怎么做?对我来说,它似乎是数据加载器中的正确位置,而不是数据集中的正确位置?因为数据加载器负责批处理而不是数据集 是否有简单的最小示例?TLDRPytorch 使用特定元素自定义批处理,pytorch,torch,Pytorch,Torch,我是pytorch的新手。Strangley我找不到任何与此相关的东西,尽管它看起来相当简单 我想用具体的例子来构造我的批,就像每个批的所有例子都有相同的标签,或者只用两个类的例子来填充批 我该怎么做?对我来说,它似乎是数据加载器中的正确位置,而不是数据集中的正确位置?因为数据加载器负责批处理而不是数据集 是否有简单的最小示例?TLDR 默认的DataLoader只使用一个,而不是一个批取样器 您可以定义一个采样器,加上一个批次采样器,批次采样器将覆盖采样器 采样器只生成数据集元素的序列,而
DataLoader
只使用一个,而不是一个批取样器
批次大小
)
回答您最初的问题:在iterable数据集上使用采样器似乎是不可能的cf.(仍然打开)。另外,请阅读以下关于的注释
采样器(用于地图样式数据集): 除此之外,如果要切换到地图样式的数据集,下面是有关采样器和批处理采样器工作的一些详细信息。您可以使用索引访问数据集的基础数据,就像使用列表一样(因为
torch.utils.data.dataset
实现了\uu getitem\uuu
)。换句话说,您的数据集元素都是dataset[i]
,对于[0,len(dataset)-1]
中的i
以下是一个玩具数据集:
class DS(Dataset):
def __getitem__(self, index):
return index
def __len__(self):
return 10
在一般用例中,您只需给出参数batch\u size
和shuffle
。默认情况下,shuffle
设置为false
,这意味着它将使用torch.utils.data.SequentialSampler
。否则(如果shuffle
为true
)torch.utils.data.RandomSampler将被使用。采样器定义数据加载器访问数据集的方式(访问顺序)
上述数据集(DS
)有10个元素。索引为0
,1
,2
,3
,4
,5
,6
,7
,8
和9
。它们映射到元素0
,10
,20
,30
,40
,50
,60
,70
,80
和90
。因此,批量大小为2时:
SequentialSampler
:DataLoader(ds,batch\u size=2)
(隐式shuffle=False
),与DataLoader(ds,batch\u size=2,sampler=SequentialSampler(ds))相同。
。数据加载器将提供张量([0,10])
,张量([20,30])
,张量([40,50])
,张量([60,70])
,和张量([80,90])
RandomSampler
:DataLoader(ds,batch\u size=2,shuffle=True)
,与DataLoader(ds,batch\u size=2,sampler=RandomSampler(ds))相同。
。每次迭代数据加载器时,它都会随机采样。例如:张量([50,40])
,张量([90,80])
,张量([0,60])
,张量([10,20])
,张量([30,70])
。但是,如果您第二次遍历数据加载器,序列将不同
分批取样器
提供batch\u sampler
将覆盖batch\u大小
,shuffle
,sampler
,以及最后一次下降
。它旨在准确定义批处理元素及其内容。例如:
>>> DataLoader(ds, batch_sampler=[[1,2,3], [6,5,4], [7,8], [0,9]])`
将产生张量([10,20,30])
,张量([60,50,40])
,张量([70,80])
,和张量([0,90])
课堂上的批量抽样
假设我只想在批处理中有每个类的2个元素(不同或不不同),并且必须排除每个类的更多示例。因此,确保批次中没有3个示例
假设您有一个包含四个类的数据集。我会这样做的。首先,跟踪每个类的数据集索引
class DS(Dataset):
def __init__(self, data):
super(DS, self).__init__()
self.data = data
self.indices = [[] for _ in range(4)]
for i, x in enumerate(data):
if x > 0 and x % 2: self.indices[0].append(i)
if x > 0 and not x % 2: self.indices[1].append(i)
if x < 0 and x % 2: self.indices[2].append(i)
if x < 0 and not x % 2: self.indices[3].append(i)
def classes(self):
return self.indices
def __getitem__(self, index):
return self.data[index]
将提供:
>>> ds.classes()
[[0, 2, 8, 10, 13], [1, 4, 6, 7, 17], [3, 9, 11, 12, 16], [5, 14, 15]]
然后对于批处理采样器,最简单的方法是创建一个可用的类索引列表,并且具有与dataset元素一样多的类索引
在上面定义的数据集中,我们有5项来自类0
,5项来自类1
,5项来自类2
,3项来自类3
。因此,我们要构造[0,0,0,0,0,1,1,1,1,2,2,2,2,3]
。我们将洗牌。然后,从该列表和数据集类内容(ds.classes()
)中,我们将能够构建批处理
class Sampler():
def __init__(self, classes):
self.classes = classes
def __iter__(self):
classes = copy.deepcopy(self.classes)
indices = flatten([[i for _ in range(len(klass))] for i, klass in enumerate(classes)])
random.shuffle(indices)
grouped = zip(*[iter(indices)]*2)
res = []
for a, b in grouped:
res.append((classes[a].pop(), classes[b].pop()))
return iter(res)
注意-需要深度复制列表,因为我们正在从列表中弹出元素
该采样器的可能输出为:
[(15, 14), (16, 17), (7, 12), (11, 6), (13, 10), (5, 4), (9, 8), (2, 0), (3, 1)]
此时,我们可以简单地使用torch.data.utils.DataLoader
:
>>> dl = DataLoader(ds, batch_sampler=sampler(ds.classes()))
这可能会产生如下结果:
[tensor([ 4, -4]), tensor([-21, 11]), tensor([-13, 6]), tensor([9, 1]), tensor([ 8, -21]), tensor([-3, 10]), tensor([ 6, -2]), tensor([-5, 7]), tensor([-6, 1])]
更简单的方法
这里是另一种更简单的方法,它不能保证从数据集中返回所有元素,平均来说它会
对于每个批次,首先对每个批次的class\u进行采样,然后对这些选定类别中的batch\u size
元素进行采样(首先从该类别子集中对类别进行采样,然后从该类别中的数据点进行采样)
您可以这样尝试:
>>> s = Sampler(ds.classes(), class_per_batch=2, batch_size=4)
>>> list(s)
[[16, 0, 0, 9], [10, 8, 11, 2], [16, 9, 16, 8], [2, 9, 2, 3]]
>>> dl = DataLoader(ds, batch_sampler=s)
>>> list(iter(dl))
[tensor([ -5, -6, -21, -13]), tensor([ -4, -4, -13, -13]), tensor([ -3, -21, -2, -5]), tensor([-3, -5, -4, -6])]
您可能需要查看自定义采样器,它们基本上是数据加载器和数据集之间的中间层,这就是那种逻辑似乎适合的地方。我忘了说我使用的是iterable数据集。谢谢。我想这就是我需要的。您知道默认情况下dataloader是否同时使用采样器和btachsampler吗?因此,在原则上,我必须定制
class Sampler():
def __init__(self, classes, class_per_batch, batch_size):
self.classes = classes
self.n_batches = sum([len(x) for x in classes]) // batch_size
self.class_per_batch = class_per_batch
self.batch_size = batch_size
def __iter__(self):
classes = random.sample(range(len(self.classes)), self.class_per_batch)
batches = []
for _ in range(self.n_batches):
batch = []
for i in range(self.batch_size):
klass = random.choice(classes)
batch.append(random.choice(self.classes[klass]))
batches.append(batch)
return iter(batches)
>>> s = Sampler(ds.classes(), class_per_batch=2, batch_size=4)
>>> list(s)
[[16, 0, 0, 9], [10, 8, 11, 2], [16, 9, 16, 8], [2, 9, 2, 3]]
>>> dl = DataLoader(ds, batch_sampler=s)
>>> list(iter(dl))
[tensor([ -5, -6, -21, -13]), tensor([ -4, -4, -13, -13]), tensor([ -3, -21, -2, -5]), tensor([-3, -5, -4, -6])]