from torchvision.datasets import FashionMNIST
from torchvision.transforms import Compose, ToTensor, Normalize
RAW_DATA_PATH = './rawdata'
transform = Compose(
? ? ? ? [ToTensor(),
? ? ? ? ?Normalize((0.1307,), (0.3081,))
? ? ? ? ?]
? ? )
train_data = FashionMNIST(
? ? ? ? root=RAW_DATA_PATH,
? ? ? ? download=True,
? ? ? ? train=True,
? ? ? ? transform=transform
? ? )

這里的train_data 做為 dataset 對象，它擁有許多熟悉，我們可以通過以下方法獲取樣本數(shù)據(jù)的分類類別集合、樣本的特征維度、樣本的標簽集合等信息。

classes = train_data.classes
num_features = train_data.data[0].shape[0]
train_labels = train_data.targets

print(classes)
print(num_features)
print(train_labels)

輸出如下:

['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
28
tensor([9, 0, 0, ..., 3, 0, 5])

但是，我們常常會在訓練集的基礎(chǔ)上拆分出驗證集（或者只用部分數(shù)據(jù)來進行訓練）。我們想到的第一個方法是使用 torch.utils.data.random_split 對 dataset 進行劃分，下面我們假設(shè)劃分10000個樣本做為訓練集，其余樣本做為驗證集：

from torch.utils.data import random_split
k = 10000
train_data, valid_data = random_split(train_data, [k, len(train_data)-k])

注意我們?nèi)绻蛴?train_data 和 valid_data 的類型，可以看到顯示：

<class 'torch.utils.data.dataset.Subset'>

已經(jīng)不再是torchvision.datasets.mnist.FashionMNIST 對象，而是一個所謂的 Subset 對象！此時 Subset 對象雖然仍然還存有 data 屬性，但是內(nèi)置的 target 和 classes 屬性已經(jīng)不復存在，

比如如果我們強行訪問 valid_data 的 target 屬性：

valid_target = valid_data.target

就會報如下錯誤：

'Subset' object has no attribute 'target'

但如果我們在后續(xù)的代碼中常常會將拆分后的數(shù)據(jù)集也默認為 dataset 對象，那么該如何做到代碼的一致性呢？

這里有一個trick，那就是以繼承 SubSet 類的方式的方式定義一個新的 CustomSubSet 類，使新類在保持 SubSet 類的基本屬性的基礎(chǔ)上，擁有和原本數(shù)據(jù)集類相似的屬性，如 targets 和 classes 等:

from torch.utils.data import Subset
class CustomSubset(Subset):
? ? '''A custom subset class'''
? ? def __init__(self, dataset, indices):
? ? ? ? super().__init__(dataset, indices)
? ? ? ? self.targets = dataset.targets # 保留targets屬性
? ? ? ? self.classes = dataset.classes # 保留classes屬性

? ? def __getitem__(self, idx): #同時支持索引訪問操作
? ? ? ? x, y = self.dataset[self.indices[idx]] ? ? ?
? ? ? ? return x, y?

? ? def __len__(self): # 同時支持取長度操作
? ? ? ? return len(self.indices)

然后就引出了第二種劃分方法，即通過初始化 CustomSubset 對象的方式直接對數(shù)據(jù)集進行劃分（這里為了簡化省略了shuffle的步驟）：

import numpy as np
from copy import deepcopy
origin_data = deepcopy(train_data)
train_data = CustomSubset(origin_data, np.arange(k))
valid_data = CustomSubset(origin_data, np.arange(k, len(origin_data))-k)

注意： CustomSubset 類的初始化方法的第二個參數(shù) indices 為樣本索引，我們可以通過 np.arange() 的方法來創(chuàng)建。

然后，我們再訪問 valid_data 對應的 classes 和 targes 屬性：

print(valid_data.classes)
print(valid_data.targets)

此時，我們發(fā)現(xiàn)可以成功訪問這些屬性了：

['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
tensor([9, 0, 0, ?..., 3, 0, 5])

當然， CustomSubset 的作用并不只是添加數(shù)據(jù)集的屬性，我們還可以自定義一些數(shù)據(jù)預處理操作。

我們將類的結(jié)構(gòu)修改如下：

class CustomSubset(Subset):
? ? '''A custom subset class with customizable data transformation'''
? ? def __init__(self, dataset, indices, subset_transform=None):
? ? ? ? super().__init__(dataset, indices)
? ? ? ? self.targets = dataset.targets
? ? ? ? self.classes = dataset.classes
? ? ? ? self.subset_transform = subset_transform

? ? def __getitem__(self, idx):
? ? ? ? x, y = self.dataset[self.indices[idx]]
? ? ? ??
? ? ? ? if self.subset_transform:
? ? ? ? ? ? x = self.subset_transform(x)
? ? ??
? ? ? ? return x, y ??
? ??
? ? def __len__(self):?
? ? ? ? return len(self.indices)

我們可以在使用樣本前設(shè)置好數(shù)據(jù)預處理算子:

from torchvision import transforms
valid_data.subset_transform = transforms.Compose(\
? ? [transforms.RandomRotation((180,180))])

這樣，我們再像下列這樣用索引訪問取出數(shù)據(jù)集樣本時，就會自動調(diào)用算子完成預處理操作:

print(valid_data[0])

打印結(jié)果縮略如下：

(tensor([[[-0.4242, -0.4242, -0.4242, ......-0.4242, -0.4242, -0.4242, -0.4242, -0.4242]]]), 9)

到此這篇關(guān)于Pytorch技法之繼承Subset類完成自定義數(shù)據(jù)拆分的文章就介紹到這了,更多相關(guān)繼承Subset類完成自定義數(shù)據(jù)拆分內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: