TensorDataset和DataLoader的用法

TensorDataset

pytorch中TensorDateset是处理数据的工具包，其作用是将数据进行打包，例如训练数据X和数据对应的Label，将两者打包为一一对应的关系，即X中的一个数据对应Label中的一个值（X的一行数据对应Label中的一行数据）

（1）首先引入工具包

import torch
from torch.utils.data import TensorDataset
from torch.utils.data import DataLoader

（2）给定数据

a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = torch.tensor([44, 55, 66, 77, 88, 99, 100, 110, 120, 130, 140, 150])

（3）将数据打包

train_data = TensorDataset(a,b) 

（4）使用enumerate()方法遍历数据，enumerate()方法是将列表或者元组或者字符串的数据给定索引，具有映射的效果。

for id, data in enumerate(train_data):
    print("id:", id)
    print(data[0])
    print(data[1])

id: 0
tensor([1, 2, 3])
tensor(44)
id: 1
tensor([4, 5, 6])
tensor(55)
id: 2
tensor([7, 8, 9])
tensor(66)
id: 3
tensor([1, 2, 3])
tensor(77)
id: 4
tensor([4, 5, 6])
tensor(88)
id: 5
tensor([7, 8, 9])
tensor(99)
id: 6
tensor([1, 2, 3])
tensor(100)
id: 7
tensor([4, 5, 6])
tensor(110)
......

train_loader = DataLoader(train_data, batch_size=4, shuffle=True)  #使用数据迭代器
for id, data in enumerate(train_loader):
    x_data, lable = data
    print('batch:{0}, x_data:{1}, lable:{2}'.format(id, x_data, lable))