深度学习中,使用多个Dataloader训练

最近在修改模型时,需要使用pytorch搭建多输入单输出的模型:

在训练时,需要使用多个Dataloader对模型进行训练,

一个Dataloader的情况:

使用enumerate函数对Dataloader进行读取:

Data1_train = DataLoader(dataset=train1, batch_size=B, shuffle=False, num_workers=0)
Data1_test = DataLoader(dataset=test1, batch_size=B, shuffle=False, num_workers=0)

for i,(seq,label) in enumerate(Data1_train):
    print("seq",seq)
    print("label",label)

运行后部分结果如下:

经过网上查找资料和思考,可采用如下方法:

可使用zip对多个Dataloader,然后在对其进行访问。

其中使用zip打包后的数据,运用data[i]的形式进行访问,data[0]为(seq1,label1)data[1]为(seq2,label2),可以读取到对应的序列和标签,实现使用多个Dataloader训练模型。

Data1_train = DataLoader(dataset=train1, batch_size=B, shuffle=False, num_workers=0)
Data1_test = DataLoader(dataset=test1, batch_size=B, shuffle=False, num_workers=0)

Data2_train = DataLoader(dataset=train2, batch_size=B, shuffle=False, num_workers=0)
Data2_test = DataLoader(dataset=test2, batch_size=B, shuffle=False, num_workers=0)


for i, data in enumerate(zip(Data1_train,Data2_train)):
    print("i",i)
    print("data[0]",data[0])
    (seq1, label1) = data[0]
    print("seq1",seq1)
    print("label1",label1)

运行部分结果如下:

 可见,多种Dataloader情况下data[0]对应的(seq1,label1) 与一个Dataloader对应的(seq,label)一样。

 

 

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
扎眼的阳光的头像扎眼的阳光普通用户
上一篇 2022年5月25日
下一篇 2022年5月25日

相关推荐