栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

【Pytorch】collate

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

【Pytorch】collate

【参考:pytorch中collate_fn函数的使用&如何向collate_fn函数传参_XJTU-Qidong的博客-CSDN博客】

collate_fn
class MyDataset(Dataset):
    def __init__(self, datas, tags, word2idx, tag2idx):
        self.datas = datas
        self.tags = tags
        self.word2idx = word2idx
        self.tag2idx = tag2idx

    def __getitem__(self, index):
        data = self.datas[index]
        tag = self.tags[index]
        # 如果word2idx中没有该词就用UNK代替
        data_index = [self.word2idx.get(i, self.word2idx[""]) for i in data]  # 获取每句话所有字的索引
        tag_index = [self.tag2idx[i] for i in tag]

        return data_index, tag_index

    def __len__(self):
        return len(self.datas)

    def pro_batch_data(self, batch_datas): 
    	# batch_datas 是一个批次的数据 List类型
        # 因为每句话的长度不一样,拼接数据维度不一致会导致错误,所以自己手动拼接 未完全理解
        datas = []
        tags = []
        batch_lens = []

        for data, tag in batch_datas:
            datas.append(data)
            tags.append(tag)
            batch_lens.append(len(data))
        batch_max_len = max(batch_lens)

        # 填充至相同长度
        datas = [i + [self.word2idx['']] * (batch_max_len - len(i)) for i in datas]  # i是,每句话
        tags = [i + [self.tag2idx['']] * (batch_max_len - len(i)) for i in tags]

        # return torch.IntTensor(datas), torch.LongTensor(tags)
        return torch.tensor(datas, dtype=torch.int64), torch.tensor(tags, dtype=torch.long)


train_dataset = MyDataset(train_data, train_tag, word2id, tag2id)
train_dataloader = DataLoader(train_dataset, batch_size=train_batch_size, shuffle=False
                                  , collate_fn=train_dataset.pro_batch_data)

也可以写在外部

def collate_fn(batch_data,word2idx):
    # batch_data 是一个批次的数据 List
    # 因为每句话的长度不一样,拼接数据维度不一致会导致错误,所以自己手动截断补全
    datas = []
    tags = []
    batch_lens = []

    for data, tag in batch_data:
        datas.append(data)
        tags.append(tag)
        batch_lens.append(len(data))
    batch_max_len = max(batch_lens)

    # 填充至相同长度
    datas = [i + [word2idx['']] * (batch_max_len - len(i)) for i in datas]  # i是,每句话

    return torch.tensor(datas),torch.tensor(tags) # 转成tensor


batch_size = 8

train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True,
                          collate_fn=lambda x: collate_fn(x, word2idx)) # x是一个批次的数据
test_loader = DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=True,
                         collate_fn=lambda x: collate_fn(x, word2idx))

device = 'cuda' if torch.cuda.is_available() else 'cpu'
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/918362.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号