pytorch中怎么创建自己的数据集

在PyTorch中，可以通过继承torch.utils.data.Dataset类来创建自己的数据集。以下是一个简单的示例代码：

import torch
from torch.utils.data import Dataset

class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data
        
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, idx):
        sample = self.data[idx]
        return sample

# 创建自己的数据集
data = [1, 2, 3, 4, 5]
custom_dataset = CustomDataset(data)

# 创建数据加载器
data_loader = torch.utils.data.DataLoader(custom_dataset, batch_size=2, shuffle=True)

# 遍历数据加载器
for batch in data_loader:
    print(batch)

在上面的示例中，首先定义了一个自定义的数据集CustomDataset，该数据集继承自torch.utils.data.Dataset类，并实现了__init__、__len__和__getitem__方法。然后创建了一个包含一些数据的实例data，并使用它来实例化CustomDataset类得到custom_dataset。最后，使用DataLoader将自定义数据集包装成数据加载器，并遍历数据加载器来获取数据。

版权声明

本文内容由互联网用户自发贡献，该文观点仅代表作者本人
本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。