torch.utils.data.DataLoader與迭代器轉換

orion發表於2021-12-06

在做實驗時，我們常常會使用用開源的資料集進行測試。而Pytorch中內建了許多資料集，這些資料集我們常常使用DataLoader類進行載入。
如下面這個我們使用DataLoader類載入torch.vision中的FashionMNIST資料集。

from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt

training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor()
)

test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

我們接下來定義Dataloader物件用於載入這兩個資料集：

train_dataloader = DataLoader(training_data, batch_size=64, shuffle=True)
test_dataloader = DataLoader(test_data, batch_size=64, shuffle=True)

那麼這個train_dataloader究竟是什麼型別呢？

print(type(train_dataloader))  # <class 'torch.utils.data.dataloader.DataLoader'>

我們可以將先其轉換為迭代器型別。

print(type(iter(train_dataloader)))# <class 'torch.utils.data.dataloader._SingleProcessDataLoaderIter'>

然後再使用next(iter(train_dataloader))從迭代器裡取資料，如下所示：

train_features, train_labels = next(iter(train_dataloader))
print(f"Feature batch shape: {train_features.size()}")
print(f"Labels batch shape: {train_labels.size()}")
img = train_features[0].squeeze()
label = train_labels[0]
plt.imshow(img, cmap="gray")
plt.show()
print(f"Label: {label}")

可以看到我們成功獲取了資料集中第一張圖片的資訊，控制檯列印：

Feature batch shape: torch.Size([64, 1, 28, 28])
Labels batch shape: torch.Size([64])
Label: 2

圖片視覺化顯示如下：
NLP多工學習
不過有讀者可能就會產生疑問，很多時候我們並沒有將DataLoader型別強制轉換成迭代器型別呀，大多數時候我們會寫如下程式碼：

for train_features, train_labels in train_dataloader: 
    print(train_features.shape) # torch.Size([64, 1, 28, 28])
    print(train_features[0].shape) # torch.Size([1, 28, 28])
    print(train_features[0].squeeze().shape) # torch.Size([28, 28])
    
    img = train_features[0].squeeze()
    label = train_labels[0]
    plt.imshow(img, cmap="gray")
    plt.show()
    print(f"Label: {label}")

可以看到，該程式碼也能夠正常迭代訓練資料，前三個樣本的控制檯列印輸出為：

torch.Size([64, 1, 28, 28])
torch.Size([1, 28, 28])
torch.Size([28, 28])
Label: 7
torch.Size([64, 1, 28, 28])
torch.Size([1, 28, 28])
torch.Size([28, 28])
Label: 4
torch.Size([64, 1, 28, 28])
torch.Size([1, 28, 28])
torch.Size([28, 28])
Label: 1

那麼為什麼我們這裡沒有顯式將Dataloader轉換為迭代器型別呢，其實是Python語言for迴圈的一種機制，一旦我們用for ... in ...句式來迭代一個物件，那麼Python直譯器就會偷偷地自動幫我們建立好迭代器，也就是說

for train_features, train_labels in train_dataloader:

實際上等同於

for train_features, train_labels in iter(train_dataloader):

更進一步，這實際上等同於

train_iterator = iter(train_dataloader)
try:
    while True:
        train_features, train_labels = next(train_iterator)
except StopIteration:
    pass

推而廣之，我們在用Python迭代直接迭代列表時：

for x in [1, 2, 3, 4]:

其實Python直譯器已經為我們隱式轉換為迭代器了：

list_iterator = iter([1, 2, 3, 4])
try:
    while True:
        x = next(list_iterator)
except StopIteration:
    pass

參考文獻

  • [1] https://pytorch.org/
  • [2] Martelli A, Ravenscroft A, Ascher D. Python cookbook[M]. " O'Reilly Media, Inc.", 2005.

相關文章