Pytorch如何继承Subset类完成自定义数据拆分

2024-10-26 技术教程

这篇文章主要介绍“Pytorch如何继承Subset类完成自定义数据拆分”，在日常操作中，相信很多人在Pytorch如何继承Subset类完成自定义数据拆分问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Pytorch如何继承Subset类完成自定义数据拆分”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

下面是加载内置训练数据集的常见操作：

fromtorchvision.datasetsimportFashionMNISTfromtorchvision.transformsimportCompose,ToTensor,NormalizeRAW_DATA_PATH='./rawdata'transform=Compose([ToTensor(),Normalize((0.1307,),(0.3081,))])train_data=FashionMNIST(root=RAW_DATA_PATH,download=True,train=True,transform=transform)

这里的train_data 做为 dataset 对象，它拥有许多熟悉，我们可以通过以下方法获取样本数据的分类类别集合、样本的特征维度、样本的标签集合等信息。

classes=train_data.classesnum_features=train_data.data[0].shape[0]train_labels=train_data.targetsprint(classes)print(num_features)print(train_labels)

输出如下:

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

但是，我们常常会在训练集的基础上拆分出验证集（或者只用部分数据来进行训练）。我们想到的第一个方法是使用 torch.utils.data.random_split 对 dataset 进行划分，下面我们假设划分10000个样本做为训练集，其余样本做为验证集：

fromtorch.utils.dataimportrandom_splitk=10000train_data,valid_data=random_split(train_data,[k,len(train_data)-k])

注意我们如果打印 train_data 和 valid_data 的类型，可以看到显示：

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

已经不再是torchvision.datasets.mnist.FashionMNIST 对象，而是一个所谓的 Subset 对象！此时 Subset 对象虽然仍然还存有 data 属性，但是内置的 target 和 classes 属性已经不复存在，

比如如果我们强行访问 valid_data 的 target 属性：

valid_target=valid_data.target

就会报如下错误：

'Subset' object has no attribute 'target'

但如果我们在后续的代码中常常会将拆分后的数据集也默认为 dataset 对象，那么该如何做到代码的一致性呢？

这里有一个trick，那就是以继承 SubSet 类的方式的方式定义一个新的 CustomSubSet 类，使新类在保持 SubSet 类的基本属性的基础上，拥有和原本数据集类相似的属性，如 targets 和 classes 等:

fromtorch.utils.dataimportSubsetclassCustomSubset(Subset):'''Acustomsubsetclass'''def__init__(self,dataset,indices):super().__init__(dataset,indices)self.targets=dataset.targets#保留targets属性self.classes=dataset.classes#保留classes属性def__getitem__(self,idx):#同时支持索引访问操作x,y=self.dataset[self.indices[idx]]returnx,ydef__len__(self):#同时支持取长度操作returnlen(self.indices)

然后就引出了第二种划分方法，即通过初始化 CustomSubset 对象的方式直接对数据集进行划分（这里为了简化省略了shuffle的步骤）：

importnumpyasnpfromcopyimportdeepcopyorigin_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 类的初始化方法的第二个参数 indices 为样本索引，我们可以通过 np.arange() 的方法来创建。

然后，我们再访问 valid_data 对应的 classes 和 targes 属性：

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

此时，我们发现可以成功访问这些属性了：

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

当然， CustomSubset 的作用并不只是添加数据集的属性，我们还可以自定义一些数据预处理操作。

我们将类的结构修改如下：

classCustomSubset(Subset):'''Acustomsubsetclasswithcustomizabledatatransformation'''def__init__(self,dataset,indices,subset_transform=None):super().__init__(dataset,indices)self.targets=dataset.targetsself.classes=dataset.classesself.subset_transform=subset_transformdef__getitem__(self,idx):x,y=self.dataset[self.indices[idx]]ifself.subset_transform:x=self.subset_transform(x)returnx,ydef__len__(self):returnlen(self.indices)

我们可以在使用样本前设置好数据预处理算子:

fromtorchvisionimporttransformsvalid_data.subset_transform=transforms.Compose(\[transforms.RandomRotation((180,180))])

这样，我们再像下列这样用索引访问取出数据集样本时，就会自动调用算子完成预处理操作:

print(valid_data[0])

打印结果缩略如下：