Pytorch數據讀取框架

訓練一個模型須要有一個數據庫，一個網絡，一個優化函數。數據讀取是訓練的第一步，如下是pytorch數據輸入框架。

1）實例化一個數據庫

假設咱們已經定義了一個FaceLandmarksDataset數據庫，此數據庫將在如下創建。

import FaceLandmarksDataset
face_dataset = FaceLandmarksDataset(csv_file='data/faces/face_landmarks.csv',
                                    root_dir='data/faces/',
                                    transform=transforms.Compose([ Rescale(256), RandomCrop(224), ToTensor()]) )

 

或者使用torchvision.datasets裏封裝的數據集（MNIST、Fashion-MNIST、KMNIST、EMNIST、COCO、LSUN、ImageFolder、DatasetFolder、Imagenet-十二、CIFAR、STL十、SVHN、PhotoTour、SBU、Flickr、VOC、Cityscapes）

import torchvision.datasets
imagenet_data = torchvision.datasets.ImageFolder('path/to/imagenet_root/')

2)建立一個數據加載器

import torch.utils.data.DataLoader
imagenet_loader = torch.utils.data.DataLoader(imagenet_data,
                                          batch_size=4,  
                                          shuffle=True,
                                          num_workers=4)
#or

facelandmark_loader = torch.utils.data.DataLoader(face_dataset,
                                          batch_size=4,
                                          shuffle=True,
                                          num_workers=4) 

可見，數據加載器是通用的，只有數據庫實例不同，其它的都參數都同樣，參數值能夠根據任務須要本身調。

3）使用數據庫

數據加載器可迭代的，咱們能夠使用數據庫:

for item in facelandmark_loader:
     images,labels = item
     do_somethi

固然， 咱們也能夠直接對數據庫實例face_dataset進行下標操做，但這樣只可以每次獲取一條數據。

sample = face_dataset[index]