PyTorch学习笔记:data.RandomSampler——数据随机采样
torch.utils.data.RandomSampler(data_source, replacement=False, num_samples=None, generator=None)
功能:随即对样本进行采样
输入:
-
data_source
:被采样的数据集合 -
replacement
:采样策略,如果为True
,则代表使用替换采样策略,即可重复对一个样本进行采样;如果为False
,则表示不用替换采样策略,即一个样本最多只能被采一次 -
num_samples
:所采样本的数量,默认采全部样本;当replacement
规定为True
时,可指定采样数量,即修改num_samples
的大小;如果replacement
设置为False
,则该参数不可做修改 -
generator
:采样过程中的生成器
代码案例
一般用法
from torch.utils.data import RandomSampler
sampler = RandomSampler(range(20))
print([i for i in sampler])
输出
这里相当于对原数据做了打乱操作
[7, 17, 8, 1, 13, 9, 6, 4, 12, 18, 19, 14, 10, 3, 2, 16, 5, 15, 0, 11]
replacement
设为True
与False
的区别
from torch.utils.data import RandomSampler
sampler_t = RandomSampler(range(20), replacement=True)
sampler_f = RandomSampler(range(20), replacement=False)
sampler_t_8 = RandomSampler(range(20), replacement=True, num_samples=8)
print('sampler_t:', [i for i in sampler_t])
print('sampler_f:', [i for i in sampler_f])
print('sampler_t_8:', [i for i in sampler_t_8])
输出
# replacement设为True时,会对同一样本多次采样
sampler_t: [7, 3, 13, 17, 4, 5, 8, 18, 15, 8, 1, 3, 17, 4, 13, 13, 16, 14, 15, 11]
# 否则一个样本只采样一次
sampler_f: [3, 5, 19, 10, 6, 7, 13, 16, 15, 9, 14, 0, 4, 18, 12, 2, 11, 17, 1, 8]
# replacement设为True时,可以规定采样数量,如这里只采8个
sampler_t_8: [1, 9, 4, 5, 11, 18, 18, 4]
官方文档
torch.utils.data.RandomSampler:https://pytorch.org/docs/stable/data.html?highlight=randomsampler#torch.utils.data.RandomSampler文章来源:https://www.toymoban.com/news/detail-404482.html
初步完稿于:2022年2月22日文章来源地址https://www.toymoban.com/news/detail-404482.html
到了这里,关于PyTorch学习笔记:data.RandomSampler——数据随机采样的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!