使用DataLoaders在PyTorch中验证数据集

如何解决使用DataLoaders在PyTorch中验证数据集

我想在PyTorch和Torchvision中加载MNIST数据集，将其分为训练，验证和测试部分。到目前为止，我有：

def load_dataset():
    train_loader = torch.utils.data.DataLoader(
        torchvision.datasets.MNIST(
            '/data/',train=True,download=True,transform=torchvision.transforms.Compose([
                torchvision.transforms.ToTensor()])),batch_size=batch_size_train,shuffle=True)

    test_loader = torch.utils.data.DataLoader(
        torchvision.datasets.MNIST(
            '/data/',train=False,batch_size=batch_size_test,shuffle=True)

如果训练数据集位于DataLoader中，如何将其分为训练和验证？我想将训练数据集中的最后10000个示例用作验证数据集（我知道我应该做CV以获得更准确的结果，我只想在此处进行快速验证）。

解决方法

在PyTorch中将训练数据集分为训练和验证过程比原来要困难得多。

首先，将训练集分为训练和验证子集（类Subset），它们是非数据集（类Dataset）：

train_subset,val_subset = torch.utils.data.random_split(
        train,[50000,10000],generator=torch.Generator().manual_seed(1))

然后从这些数据集中获取实际数据：

X_train = train_subset.dataset.data[train_subset.indices]
y_train = train_subset.dataset.targets[train_subset.indices]

X_val = val_subset.dataset.data[val_subset.indices]
y_val = val_subset.dataset.targets[val_subset.indices]

请注意，通过这种方式我们没有没有Dataset对象，因此我们不能使用DataLoader对象进行批量训练。如果要使用DataLoader，它们可以直接与子集一起使用：

train_loader = DataLoader(dataset=train_subset,shuffle=True,batch_size=BATCH_SIZE)
val_loader = DataLoader(dataset=train_subset,shuffle=False,batch_size=BATCH_SIZE)

如果您想确保您的分组具有平衡的类别，您可以使用 train_test_split 中的 sklearn。

import torchvision
from torch.utils.data import DataLoader,Subset
from sklearn.model_selection import train_test_split

VAL_SIZE = 0.1
BATCH_SIZE = 64

mnist_train = torchvision.datasets.MNIST(
    '/data/',train=True,download=True,transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
)
mnist_test = torchvision.datasets.MNIST(
    '/data/',train=False,transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
)

# generate indices: instead of the actual data we pass in integers instead
train_indices,val_indices,_,_ = train_test_split(
    range(len(mnist_train)),mnist_train.targets,stratify=mnist_train.targets,test_size=VAL_SIZE,)

# generate subset based on indices
train_split = Subset(mnist_train,train_indices)
val_split = Subset(mnist_train,val_indices)

# create batches
train_batches = DataLoader(train_split,batch_size=BATCH_SIZE,shuffle=True)
val_batches = DataLoader(val_split,shuffle=True)
test_batches = DataLoader(mnist_test,shuffle=True)