pytorch构造可迭代的DataLoader,动态流式读取数据源,不担心内存炸裂(pytorch Data学习三)
  TEZNKK3IfmPf 2023年11月14日 46 0

构造迭代读取的Dataloader,首先需要可迭代的DataSet,这一部分详细请参考:pytorch构造可迭代的Dataset——IterableDataset(pytorch Data学习二),下面直接开始封装到DataLoader

 

文章目录

  • 封装IterableDataset到DataLoader
    • 1. 一般文本封装方法
    • 2. pandas read_xxx封装方法

 

封装IterableDataset到DataLoader

比如文件test_csv.csv

1,2,3,4,1
1,2,3,4,2
1,2,3,4,3
1,2,3,4,4
1,2,3,4,5

1. 一般文本封装方法

由于DataLoader得到的迭代数据都是Tensor格式的数据,因此需要将文本转换为tensor格式,修改dataset的__iter__方法为:

import torch
from torch.utils.data import IterableDataset, DataLoader
import numpy as np


class MyIterableDataset(IterableDataset):
    def __init__(self, file_path):
        self.file_path = file_path

    def __iter__(self):
        with open(self.file_path, 'r') as file_obj:
            for line in file_obj:
                line_data = line.strip('\n').split(',')
                yield torch.from_numpy(np.array(line_data, dtype='int')) # 这里按照自己的代码看格式哈

然后封装即可:

if __name__ == '__main__':
    dataset = MyIterableDataset('test_csv.csv')
    dataloader = DataLoader(dataset, batch_size=3) # 这里batch_size=3,意味着每次读取dataloader都会循环三次dataset
    for data in dataloader:
        print(data)

完整代码:

import torch
from torch.utils.data import IterableDataset, DataLoader
import numpy as np


class MyIterableDataset(IterableDataset):
    def __init__(self, file_path):
        self.file_path = file_path

    def __iter__(self):
        with open(self.file_path, 'r') as file_obj:
            for line in file_obj:
                line_data = line.strip('\n').split(',')
                yield torch.from_numpy(np.array(line_data, dtype='int'))


if __name__ == '__main__':
    dataset = MyIterableDataset('test_csv.csv')
    dataloader = DataLoader(dataset, batch_size=3)
    for data in dataloader:
        print(data)

2. pandas read_xxx封装方法

思路同上,代码如下:

class PandasIterableDataset(IterableDataset):
    def __init__(self, file_path):
        import pandas as pd

        self.data_iter = pd.read_csv(file_path, iterator=True, header=None, chunksize=1)

    def __iter__(self):
        for data in self.data_iter:
            yield torch.from_numpy(np.array(data).flatten())


if __name__ == '__main__':
    dataset = PandasIterableDataset('test_csv.csv')
    dataloader = DataLoader(dataset, batch_size=3)
    for data in dataloader:
        print(data)
【版权声明】本文内容来自摩杜云社区用户原创、第三方投稿、转载,内容版权归原作者所有。本网站的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@moduyun.com

  1. 分享:
最后一次编辑于 2023年11月14日 0

暂无评论

推荐阅读
  TEZNKK3IfmPf   2024年03月29日   61   0   0 pytorch
  TEZNKK3IfmPf   2023年11月14日   44   0   0 pytorch
  I7JaHrFMuDsU   2024年04月26日   32   0   0 pytorch
  TEZNKK3IfmPf   2023年11月14日   34   0   0 pytorch
  TEZNKK3IfmPf   2023年11月15日   29   0   0 pytorch
TEZNKK3IfmPf