Pytorch技法之继承Subset类完成自定义数据拆分
我们在 《torch.utils.data.DataLoader与迭代器转换操作》 中介绍了如何使用Pytorch内置的数据集进行论文实验，如 torchvision.datasets 。下面是加载内置训练数据集的常见操作：
from torchvision.datasets import FashionMNIST from torchvision.transforms import Compose, ToTensor, Normalize RAW_DATA_PATH = './rawdata' transform = Compose( [ToTensor(), Normalize((0.1307,), (0.3081,)) ] ) train_data = FashionMNIST( root=RAW_DATA_PATH, download=True, train=True, transform=transform )
这里的train_data 做为 dataset 对象，它拥有许多熟悉，我们可以通过以下方法获取样本数据的分类类别集合、样本的特征维度、样本的标签集合等信息。
classes = train_data.classes num_features = train_data.data[0].shape[0] train_labels = train_data.targets print(classes) print(num_features) print(train_labels)
输出如下:
['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
28
tensor([9, 0, 0, ..., 3, 0, 5])
但是，我们常常会在训练集的基础上拆分出验证集（或者只用部分数据来进行训练）。我们想到的第一个方法是使用 torch.utils.data.random_split 对 dataset 进行划分，下面我们假设划分10000个样本做为训练集，其余样本做为验证集：
from torch.utils.data import random_split k = 10000 train_data, valid_data = random_split(train_data, [k, len(train_data)-k])
注意我们如果打印 train_data 和 valid_data 的类型，可以看到显示：
<class 'torch.utils.data.dataset.Subset'>
已经不再是torchvision.datasets.mnist.FashionMNIST 对象，而是一个所谓的 Subset 对象！此时 Subset 对象虽然仍然还存有 data 属性，但是内置的 target 和 classes 属性已经不复存在，
比如如果我们强行访问 valid_data 的 target 属性：
valid_target = valid_data.target
就会报如下错误：
'Subset' object has no attribute 'target'
但如果我们在后续的代码中常常会将拆分后的数据集也默认为 dataset 对象，那么该如何做到代码的一致性呢？
这里有一个trick，那就是以继承 SubSet 类的方式的方式定义一个新的 CustomSubSet 类，使新类在保持 SubSet 类的基本属性的基础上，拥有和原本数据集类相似的属性，如 targets 和 classes 等:
from torch.utils.data import Subset class CustomSubset(Subset): '''A custom subset class''' def __init__(self, dataset, indices): super().__init__(dataset, indices) self.targets = dataset.targets # 保留targets属性 self.classes = dataset.classes # 保留classes属性 def __getitem__(self, idx): #同时支持索引访问操作 x, y = self.dataset[self.indices[idx]] return x, y def __len__(self): # 同时支持取长度操作 return len(self.indices)
然后就引出了第二种划分方法，即通过初始化 CustomSubset 对象的方式直接对数据集进行划分（这里为了简化省略了shuffle的步骤）：
import numpy as np from copy import deepcopy origin_data = deepcopy(train_data) train_data = CustomSubset(origin_data, np.arange(k)) valid_data = CustomSubset(origin_data, np.arange(k, len(origin_data))-k)
注意： CustomSubset 类的初始化方法的第二个参数 indices 为样本索引，我们可以通过 np.arange() 的方法来创建。
然后，我们再访问 valid_data 对应的 classes 和 targes 属性：
print(valid_data.classes) print(valid_data.targets)
此时，我们发现可以成功访问这些属性了：
['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot'] tensor([9, 0, 0, ..., 3, 0, 5])
当然， CustomSubset 的作用并不只是添加数据集的属性，我们还可以自定义一些数据预处理操作。
我们将类的结构修改如下：
class CustomSubset(Subset): '''A custom subset class with customizable data transformation''' def __init__(self, dataset, indices, subset_transform=None): super().__init__(dataset, indices) self.targets = dataset.targets self.classes = dataset.classes self.subset_transform = subset_transform def __getitem__(self, idx): x, y = self.dataset[self.indices[idx]] if self.subset_transform: x = self.subset_transform(x) return x, y def __len__(self): return len(self.indices)
我们可以在使用样本前设置好数据预处理算子:
from torchvision import transforms valid_data.subset_transform = transforms.Compose(\ [transforms.RandomRotation((180,180))])
这样，我们再像下列这样用索引访问取出数据集样本时，就会自动调用算子完成预处理操作:
print(valid_data[0])
打印结果缩略如下：
(tensor([[[-0.4242, -0.4242, -0.4242, ......-0.4242, -0.4242, -0.4242, -0.4242, -0.4242]]]), 9)
到此这篇关于Pytorch技法之继承Subset类完成自定义数据拆分的文章就介绍到这了,更多相关继承Subset类完成自定义数据拆分内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Django实现单用户登录的方法示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2019-03-03
这篇文章主要为大家介绍了python slack桌面自动化开发工具使用示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-08-08
Diagrams 是一个基于Python绘制云系统架构的模块，它能够通过非常简单的描述就能可视化架构。本文将利用它绘制漂亮的系统架构图，感兴趣的可以了解一下2023-01-01
这篇文章主要介绍了python 写的一个爬虫程序源码,需要的朋友可以参考下2016-02-02
获取文章中指定开头、指定结尾中所夹的内容。其中，开头和结尾均有多种，但最多也就十几种，所以代码还是具有可行性的，今天小编给大家介绍通过Python 获取指定开头指定结尾所夹中间内容，感兴趣的朋友一起看看吧2023-02-02
这篇文章主要为大家详细介绍了Python中支持向量机SVM的使用方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-12-12
fire是python中用于生成命令行界面(Command Line Interfaces, CLIs)的工具，不需要做任何额外的工作，只需要从主模块中调用fire.Fire()，它会自动将你的代码转化为CLI，Fire()的参数可以说任何的python对象，对python fire库使用感兴趣的朋友一起看看吧2022-12-12
这篇文章主要介绍了python开发之for循环操作,以实例形式较为详细的分析了Python中for循环的具体使用技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-11-11
今天小编就为大家分享一篇tensorflow模型继续训练 fineturn实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
Python中的类提供了面向对象编程的所有基本功能：类的继承机制允许多个基类，派生类可以覆盖基类中的任何方法，方法中可以调用基类中的同名方法。这篇文章主要介绍了Python面向对象总结及类与正则表达式 ,需要的朋友可以参考下2019-04-04
最新评论