Pytorch DataLoader shuffle 검증 방식

shuffle=false 시 데이터 순 서 를 흐 트 러 뜨리 지 않 음
shuffle=True,랜 덤 으로 흐 트 러 짐

import numpy as np
import h5py
import torch
from torch.utils.data import DataLoader, Dataset  
h5f = h5py.File('train.h5', 'w');
data1 = np.array([[1,2,3],
               [2,5,6],
              [3,5,6],
              [4,5,6]])
data2 = np.array([[1,1,1],
                   [1,2,6],
                  [1,3,6],
                  [1,4,6]])
h5f.create_dataset(str('data'), data=data1)
h5f.create_dataset(str('label'), data=data2)
class Dataset(Dataset):
    def __init__(self):
        h5f = h5py.File('train.h5', 'r')
        self.data = h5f['data']
        self.label = h5f['label']
    def __getitem__(self, index):
        data = torch.from_numpy(self.data[index])
        label = torch.from_numpy(self.label[index])
        return data, label
 
    def __len__(self):
        assert self.data.shape[0] == self.label.shape[0], "wrong data length"
        return self.data.shape[0] 
 
dataset_train = Dataset()
loader_train = DataLoader(dataset=dataset_train,
                           batch_size=2,
                           shuffle = True)
 
for i, data in enumerate(loader_train):
    train_data, label = data
    print(train_data)
 

pytorch DataLoader 사용 세부 정보
배경:
저 는 처음에 데이터 확장 에 의문 이 있 었 습 니 다.데이터 변환(torchvisiom.transforms)만 보 았 지만 데이터 가 증가 하 는 것 을 보지 못 했 습 니 다.나중에 알 게 되 었 습 니 다.데이터 증 가 는 pytorch 가 torchvisiom.transforms+torch.utils.data.dataLoader+여러 epoch 의 공동 작용 으로 이 루어 졌 습 니 다.
데이터 변환 은 모두 다음 과 같은 내용 이 있다.

composed = transforms.Compose([transforms.Resize((448, 448)), #  resize
                               transforms.RandomCrop(300), # random crop
                               transforms.ToTensor(),
                               transforms.Normalize(mean=[0.5, 0.5, 0.5],  # normalize
                                                    std=[0.5, 0.5, 0.5])])

간단 한 데이터 읽 기 클래스 입 니 다.PIL 형식의 image 를 되 돌려 줍 니 다.

class MyDataset(data.Dataset):    
    def __init__(self, labels_file, root_dir, transform=None):
        with open(labels_file) as csvfile:
            self.labels_file = list(csv.reader(csvfile))
        self.root_dir = root_dir
        self.transform = transform
        
    def __len__(self):
        return len(self.labels_file)
    
    def __getitem__(self, idx):
        im_name = os.path.join(root_dir, self.labels_file[idx][0])
        im = Image.open(im_name)
        
        if self.transform:
            im = self.transform(im)
            
        return im

다음은 메 인 프로그램 입 니 다.

labels_file = "F:/test_temp/labels.csv"
root_dir = "F:/test_temp"
dataset_transform = MyDataset(labels_file, root_dir, transform=composed)
dataloader = data.DataLoader(dataset_transform, batch_size=1, shuffle=False)
"""      3   ,  batch_size=1, epoch 2       ( 6 )  """
for eopch in range(2):
    plt.figure(figsize=(6, 6)) 
    for ind, i in enumerate(dataloader):
        a = i[0, :, :, :].numpy().transpose((1, 2, 0))
        plt.subplot(1, 3, ind+1)
        plt.imshow(a)

상기 사진 을 통 해 알 수 있 듯 이 모든 eopch 단계 에서 실제 적 으로 원본 그림 에 transform 을 다시 사 용 했 기 때문에 데이터 의 증 가 를 만 들 었 다.
이상 은 개인 적 인 경험 이 므 로 여러분 에 게 참고 가 되 기 를 바 랍 니 다.여러분 들 도 저 희 를 많이 응원 해 주시 기 바 랍 니 다.