Pytorch DataLoader 变长数据处理方式

关于Pytorch中怎么自定义Dataset数据集类、怎样使用DataLoader迭代加载数据,这篇官方文档已经说得很清楚了,这里就不在赘述。

现在的问题:有的时候,特别对于NLP任务来说,输入的数据可能不是定长的,比如多个句子的长度一般不会一致,这时候使用DataLoader加载数据时,不定长的句子会被胡乱切分,这肯定是不行的。

解决方法是重写DataLoader的collate_fn,具体方法如下:

# 假如每一个样本为:

sample = {

# 一个句子中各个词的id

'token_list' : [5, 2, 4, 1, 9, 8],

# 结果y

'label' : 5,

}

# 重写collate_fn函数,其输入为一个batch的sample数据

def collate_fn(batch):

# 因为token_list是一个变长的数据,所以需要用一个list来装这个batch的token_list

token_lists = [item['token_list'] for item in batch]

# 每个label是一个int,我们把这个batch中的label也全取出来,重新组装

labels = [item['label'] for item in batch]

# 把labels转换成Tensor

labels = torch.Tensor(labels)

return {

'token_list': token_lists,

'label': labels,

}

# 在使用DataLoader加载数据时,注意collate_fn参数传入的是重写的函数

DataLoader(trainset, batch_size=4, shuffle=True, num_workers=4, collate_fn=collate_fn)

使用以上方法,可以保证DataLoader能Load出一个batch的数据,load出来的东西就是重写的collate_fn函数最后return出来的字典。

以上这篇Pytorch DataLoader 变长数据处理方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

以上是 Pytorch DataLoader 变长数据处理方式 的全部内容, 来源链接: utcz.com/z/356940.html

回到顶部