如何解决为什么 DataLoader 返回与 batch_size 长度不同的列表
import torch
import torch.nn as nn
import numpy as np
import torch.utils.data as data_utils
class TestDataset:
def __init__(self):
self.db = np.random.randn(20,3,60,60)
def __getitem__(self,idx):
img = self.db[idx]
return img,img.shape[1:]
def __len__(self):
return self.db.shape[0]
if __name__ == '__main__':
test_dataset = TestDataset()
test_DataLoader = data_utils.DataLoader(test_dataset,batch_size=1,num_workers=4,shuffle=False,\
pin_memory=True
)
for i,(imgs,sizes) in enumerate(test_DataLoader):
print(imgs.size()) # torch.Size([1,60])
print(sizes) # [tensor([60]),tensor([60])]
break
为什么“sizes”返回长度为 2 的列表?我认为它应该是“torch.Size([1,2])”,表示图像的高度和宽度(1 batch_size)。
此外,返回列表的长度是否应该与batch_size相同?如果我想得到大小,我必须写“sizes = [sizes[0][0].item(),sizes[1][0].item()]”。这让我很困惑。
感谢您抽出宝贵时间。
解决方法
这是由 collate_fn 函数及其默认行为引起的。它的主要目的是简化批量制备过程。因此您可以自定义您的批处理准备过程更新此功能。如文档 collate_fn 中所述,它会自动将 NumPy 数组和 Python 数值转换为 PyTorch 张量并保留数据结构。所以它在你的情况下返回 [tensor([60]),tensor([60])]。在许多情况下,您将带有标签的图像作为张量(而不是图像的大小)返回并前馈给神经网络。我不知道你为什么在枚举时返回图像大小,但是你可以得到你需要的添加自定义 collate_fn 为:
def collate_fn(data):
imgs,lengths = data[0][0],data[0][1]
return torch.tensor(imgs),torch.tensor([lengths])
那么你应该将它设置为 DataLoader 的参数:
test_dataloader = DataLoader(test_dataset,batch_size=1,num_workers=4,shuffle=False,\
pin_memory=True,collate_fn=collate_fn
)
然后你可以循环为:
for i,(imgs,sizes) in enumerate(test_dataloader):
print(imgs.size())
print(sizes)
print(sizes.size())
break
并且输出将如下:
torch.Size([3,60,60])
tensor([[60,60]])
torch.Size([1,2])
毕竟,我还想补充一点,你不应该只返回 len 函数中的 self.db.shape[0]。在这种情况下,您的批量大小为 1 就可以了;但是,当批量大小更改时,它不会返回 #batches 的真实值。您可以将类更新为:
class TestDataset:
def __init__(self,batch_size=1):
self.db = np.random.randn(20,3,60)
self._batch_size = batch_size
def __getitem__(self,idx):
img = self.db[idx]
return img,img.shape[1:]
def __len__(self):
return self.db.shape[0]/self._batch_size
,
为什么“sizes”返回长度为 2 的列表?
您返回从 shape
切片的单个元素的切片 db
。这个代码片段应该更清楚:
import numpy as np
db = np.random.randn(20,60)
img = db[0]
img.shape # (3,60)
img.shape[1:] # (60,60)
此外,返回列表的长度应该与 批量大小?
你为什么要从 DataLoader
返回它?只需从 image
返回 Dataset
:
def __getitem__(self,idx):
return self.db[idx]
使用 batch_size=12
,您将获得形状 (12,60)
的输出。您可以从这个示例中获得形状,不要在 Dataset
中创建它,没有意义。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。