Python產生batch數據的操作
產生batch數據
輸入data中每個樣本可以有多個特征,和一個標簽,最好都是numpy.array格式。
datas = [data1, data2, …, dataN ], labels = [label1, label2, …, labelN],
其中data[i] = [feature1, feature2,…featureM], 表示每個樣本數據有M個特征。
輸入我們方法的數據,all_data = [datas, labels] 。
代碼實現
通過索引值來產生batch大小的數據,同時提供是否打亂順序的選擇,根據隨機產生數據量范圍類的索引值來打亂順序。
import numpy as np def batch_generator(all_data , batch_size, shuffle=True): """ :param all_data : all_data整個數據集,包含輸入和輸出標簽 :param batch_size: batch_size表示每個batch的大小 :param shuffle: 是否打亂順序 :return: """ # 輸入all_datas的每一項必須是numpy數組,保證後面能按p所示取值 all_data = [np.array(d) for d in all_data] # 獲取樣本大小 data_size = all_data[0].shape[0] print("data_size: ", data_size) if shuffle: # 隨機生成打亂的索引 p = np.random.permutation(data_size) # 重新組織數據 all_data = [d[p] for d in all_data] batch_count = 0 while True: # 數據一輪循環(epoch)完成,打亂一次順序 if batch_count * batch_size + batch_size > data_size: batch_count = 0 if shuffle: p = np.random.permutation(data_size) all_data = [d[p] for d in all_data] start = batch_count * batch_size end = start + batch_size batch_count += 1 yield [d[start: end] for d in all_data]
測試數據
樣本數據x和標簽y可以分開輸入,也可以同時輸入。
# 輸入x表示有23個樣本,每個樣本有兩個特征 # 輸出y表示有23個標簽,每個標簽取值為0或1 x = np.random.random(size=[23, 2]) y = np.random.randint(2, size=[23,1]) count = x.shape[0] batch_size = 5 epochs = 20 batch_num = count // batch_size batch_gen = batch_generator([x, y], batch_size) for i in range(epochs): print("##### epoch %s ##### " % i) for j in range(batch_num): batch_x, batch_y = next(batch_gen) print("-----epoch=%s, batch=%s-----" % (i, j)) print(batch_x, batch_y)
補充:使用tensorflow.data.Dataset構造batch數據集
import tensorflow as tf import numpy as np def _parse_function(x): num_list = np.arange(10) return num_list def _from_tensor_slice(x): return tf.data.Dataset.from_tensor_slices(x) softmax_data = tf.data.Dataset.range(1000) # 構造一個隊列 softmax_data = softmax_data.map(lambda x:tf.py_func(_parse_function, [x], [tf.int32]))# 將數據進行傳入 softmax_data = softmax_data.flat_map(_from_tensor_slice) #將數據進行平鋪, 將其變為一維的數據,from_tensor_slice將數據可以輸出 softmax_data = softmax_data.batch(1) #構造一個batch的數量 softmax_iter = softmax_data.make_initializable_iterator() # 構造數據迭代器 softmax_element = softmax_iter.get_next() # 獲得一個batch的數據 sess = tf.Session() sess.run(softmax_iter.initializer) # 數據迭代器的初始化操作 print(sess.run(softmax_element)) # 實際獲得一個數據 print(sess.run(softmax_data))
以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方,望不吝賜教。
推薦閱讀:
- 解決Pytorch dataloader時報錯每個tensor維度不一樣的問題
- Pytorch數據讀取與預處理該如何實現
- Pytorch中Softmax和LogSoftmax的使用詳解
- python 實現以相同規律打亂多組數據
- 我對PyTorch dataloader裡的shuffle=True的理解