AttributeError: 'DataModuleClass' 对象没有属性 'training_dataset' 2.使用 for 循环

如何解决AttributeError: 'DataModuleClass' 对象没有属性 'training_dataset' 2.使用 for 循环

我正在尝试通过编写一个非常简单的 PyTorch Lightning 来学习 DataModuleClass。在 prepare_data() 和 setup() 之后，我试图检查这些函数是否正常工作。因此，我试图从 training 获取 validation 和 setup() 数据集。但是我收到一个错误

AttributeError: 'DataModuleClass' object has no attribute 'training_dataset'

代码

def prepare_data(self):
    x = np.random.uniform(0,10,10)
    e = np.random.normal(0,self.sigma,len(x))
    
    # Making target or labels
    y = x + e
    
    # Marging x and e for 2 features
    X = np.transpose(np.array([x,e]))

    # Converting numpy array to Tensor
    self.x_train_tensor = torch.from_numpy(X).float().to(device)
    self.y_train_tensor = torch.from_numpy(y).float().to(device)
    
    training_dataset = TensorDataset(self.x_train_tensor,self.y_train_tensor)

    self.training_dataset = training_dataset

def setup(self):
    data = self.training_dataset
    self.train_data,self.val_data = random_split(data,[8,2])
    return self.train_data,self.val_data
    
    
def train_dataloader(self):
    return DataLoader(self.train_data)

def val_dataloader(self):
    return DataLoader(self.val_data)
    
obj = DataModuleClass()
print(obj.setup())  

你能告诉我为什么我会收到这个错误吗？

解决方法

从代码对我的看法来看。

self.training_dataset 的变量 DataModuleClass 在 prepare_data 中初始化，setup 在第一行需要它。

但是您拨打了 setup 而没有拨打 training_dataset。

如果每次创建 prepare_data 对象时都希望调用 DataModuleClass，那么最好将 prepare_data 放在 __init__ 中。喜欢

def __init__(self,other_params):
    ..... all your code previously in __init__
    self.prepare_data()  # put this in the last line of this function

但是如果您不需要，那么您需要在 prepare_data

之前调用 setup

obj = DataModuleClass()
obj.prepare_data()
print(obj.setup())  

或者将 prepare_data 放在 setup 本身中。

def setup(self):
    self.prepare_data()
    data = self.training_dataset
    self.train_data,self.val_data = random_split(data,[8,2])
    return self.train_data,self.val_data

编辑 1：查看 self.train_data 和 self.val_data 的实际值

从 setup 返回的对象是 torch.utils.data.dataset.Subset。 基本上有两种方法可以获取张量。

1.像列表一样对待它们

train_data,val_data = obj.setup()
print(train_data[0])

2.使用 for 循环

train_data,val_data = obj.setup()
for data in train_data:
    print(data)

注意

我不确定您是否会获得张量或 TensorDataset。如果是后者，则再次使用相同的技巧，例如

train_data,val_data = obj.setup()
train_tensor_data = train_data[0]
print(train_tensor_data[0])