深度学习基础知识 Dataset 与 DataLoade的用法解析

1、Dataset

代码：

import torch
from torch.utils import dataclass MyDataset(torch.utils.data.Dataset):def __init__(self):self.data=torch.arange(0,20)def __getitem__(self,index):x=self.data[index]y=x * 2return ydef __len__(self):return len(self.data)# 定义DataLoader
dataset=MyDataset()
print(len(dataset))
print(dataset[3])

打印结果：

2、DataLoader

import torch
from torch.utils import dataclass MyDateset(torch.utils.data.Dataset):def __init__(self):self.data=torch.arange(0,20)def __getitem__(self,index):x=self.data[index]y=x * 2return ydef __len__(self):return len(self.data)# 定义DataLoader
dataset=MyDateset()
print(len(dataset))
print(dataset[3])dataloader=torch.utils.data.DataLoader(dataset,shuffle=True,batch_size=4)
print(len(dataloader))for x in dataloader:print(x)

打印结果如下所示：

参数设置：

1、pin_memory

2、num_workers

3、collate_fn

分类任务

目标检测任务

在进行目标检测任务中，需要重写collate方法，并将方法传入到DataLoader中