前文传送门：
从零开始深度学习Pytorch笔记（1）——安装Pytorch
从零开始深度学习Pytorch笔记（2）——张量的创建（上）
从零开始深度学习Pytorch笔记（3）——张量的创建（下）
从零开始深度学习Pytorch笔记（4）——张量的拼接与切分
从零开始深度学习Pytorch笔记（5）——张量的索引与变换
从零开始深度学习Pytorch笔记（7）—— 使用Pytorch实现线性回归
从零开始深度学习Pytorch笔记（8）—— 计算图与自动求导（上）
从零开始深度学习Pytorch笔记（9）—— 计算图与自动求导（下）
从零开始深度学习Pytorch笔记（10）—— Dataset类
在该系列的上一篇，我们讲解了Dataset类，Dataset一次调用只是返回一条数据，在深度学习中，我们经常是对一个batch的数据进行操作，也就是一批一批数据交给模型训练，同时还需要对数据进行shuffle（打乱）操作和并行加速等等，这时候，使用Dataset就显得功能不太足够了，幸好，Pytorch提供了DataLoader给我们使用。DataLoader的参数为：
DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None)
其中的参数含义为：dataset：加载的数据集(Dataset对象)batch_size：batch的大小shuffle:：是否将数据打乱sampler：样本抽样num_workers：使用多进程加载的进程数，0代表不使用多进程collate_fn：如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式即可pin_memory：是否将数据保存在pin memory区，pin memory中的数据转到GPU会快一些drop_last：dataset中的数据个数可能不是batch_size的整数倍，drop_last如果为True会将多出来不足一个batch的数据丢弃我们给出一个简单的DataLoader的例子：
import torch
import torch.utils.data as Data
BATCH_SIZE = 5
x = torch.linspace(1, 20, 20)
y = torch.linspace(20, 1, 20)
torch_dataset = Data.TensorDataset(x, y)#创建Dataset
loader = Data.DataLoader(
dataset=torch_dataset,#数据
batch_size=BATCH_SIZE,#批次的大小
shuffle=True,#打乱数据
num_workers=2,#多进程
)
for epoch in range(3):#三个epoch
for step, (batch_x, batch_y) in enumerate(loader):
print('Epoch: ', epoch, '| Step: ', step, '| batch x: ',
batch_x.numpy(), '| batch y: ', batch_y.numpy())
其中的一个epoch为将所有训练集训练一次的意思，而一个batch指的是将一批训练数据交给模型训练的意思。例如以上代码的batchsize为5，训练集一共20条数据，所以一个epoch分为4个batch（因为20/5=4）。在深度学习中，所有训练集并不是只有一次加入模型训练，所以会有多个epoch的情况。我们把batchsize改为4，并且把数据打乱设置为False，再看看结果：
import torch
import torch.utils.data as Data
BATCH_SIZE = 4
x = torch.linspace(1, 20, 20)
y = torch.linspace(20, 1, 20)
torch_dataset = Data.TensorDataset(x, y)#创建Dataset
loader = Data.DataLoader(
dataset=torch_dataset,#数据
batch_size=BATCH_SIZE,#批次的大小
shuffle=False,#打乱数据
num_workers=2,#多进程
)
for epoch in range(3):#三个epoch
for step, (batch_x, batch_y) in enumerate(loader):
print('Epoch: ', epoch, '| Step: ', step, '| batch x: ',
batch_x.numpy(), '| batch y: ', batch_y.numpy())
我们可以看到数据的batchsize变为了4，并且数据的输出是有序的，而深度学习中为了避免数据分布的干扰，一般都会讲数据打乱输入模型中！
欢迎关注公众号学习之后的深度学习连载部分~
扫码下图关注我们不会让你失望！
