莫烦PyTorch学习笔记(六)——批处理（pytorch训练代码）

莫烦PyTorch学习笔记(六)——批处理（pytorch训练代码）

1.要点

Torch 中提供了一种帮你整理你的数据结构的好东西, 叫做 DataLoader, 我们能用它来包装自己的数据, 进行批训练. 而且批训练可以有很多种途径。 2.DataLoader DataLoader 是 torch 给你用来包装你的数据的工具. 所以你要讲自己的 (numpy array 或其他) 数据形式装换成 Tensor, 然后再放进这个包装器中. 使用 DataLoader 有什么好处呢? 就是他们帮你有效地迭代数据, 举例:

import torchimport torch.utils.data as DataBATCH_SIZE = 5 # 批训练的数据个数，每组五个x = torch.linspace(1, 10, 10) # x data (torch tensor)y = torch.linspace(10, 1, 10) # y data (torch tensor)# 先转换成 torch 能识别的 Datasettorch_dataset = Data.TensorDataset(x,y)# 把 dataset 放入 DataLoaderloader = Data.DataLoader( dataset=torch_dataset, # torch TensorDataset format batch_size=BATCH_SIZE, # 每组的大小 shuffle=True, # 要不要打乱数据 (打乱比较好))for epoch in range(3): # 对整套数据训练三次，每次训练的顺序可以不同 for step, (x, y) in enumerate(loader): # 每一步 loader 释放一小批数据用来学习 # 假设这里就是你训练的地方... # 打出来一些数据 print('Epoch: ', epoch, '| Step: ', step, '| batch x: ', x.numpy(), '| batch y: ', y.numpy())

通过批处理计算可以加快训练的速度

Python中enumerate用法详解

作者：你的雷哥

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。