pytorch随机采样操作SubsetRandomSampler()_张量怎么随机取数 - CSDN文库

41 浏览量更新于2023-05-11 评论收藏 71KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

pytorch随机采样操作随机采样操作SubsetRandomSampler()

主要介绍了pytorch随机采样操作SubsetRandomSampler()，具有很好的参考价值，希望对大家有所帮助。一起

跟随小编过来看看吧

这篇文章记录一个采样器都随机地从原始的数据集中抽样数据。抽样数据采用permutation。生成任意一个下标重排，从而利

用下标来提取dataset中的数据的方法

需要的库需要的库

import torch

使用方法使用方法

这里以MNIST举例

train_dataset = dsets.MNIST(root='./data', #文件存放路径

train=True, #提取训练集

transform=transforms.ToTensor(), #将图像转化为Tensor

download=True)

sample_size = len(train_dataset)

sampler1 = torch.utils.data.sampler.SubsetRandomSampler(

np.random.choice(range(len(train_dataset)), sample_size))

代码详解代码详解

np.random.choice()

#numpy.random.choice(a, size=None, replace=True, p=None)

#从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组

#replace:True表示可以取相同数字，False表示不可以取相同数字

#数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

那么这里就相当于抽取了一个全排列

torch.utils.data.sampler.SubsetRandomSampler

# 会根据后面给的列表从数据集中按照下标取元素

# class torch.utils.data.SubsetRandomSampler(indices)：无放回地按照给定的索引列表采样样本元素。

所以就可以了。

补充知识：补充知识：Pytorch学习之学习之torch----随机抽样、序列化、并行化随机抽样、序列化、并行化

1. torch.manual_seed(seed)

说明：设置生成随机数的种子，返回一个torch._C.Generator对象。使用随机数种子之后，生成的随机数是相同的。

参数：

seed(int or long) -- 种子

>>> import torch

>>> torch.manual_seed(1)

<torch._C.Generator object at 0x0000019684586350>

>>> a = torch.rand(2, 3)

>>> a

tensor([[0.7576, 0.2793, 0.4031],

[0.7347, 0.0293, 0.7999]])

>>> torch.manual_seed(1)

<torch._C.Generator object at 0x0000019684586350>

>>> b = torch.rand(2, 3)

>>> b

tensor([[0.7576, 0.2793, 0.4031],

[0.7347, 0.0293, 0.7999]])

>>> a == b

tensor([[1, 1, 1],

[1, 1, 1]], dtype=torch.uint8)

2. torch.initial_seed()

说明：返回生成随机数的原始种子值

>>> torch.manual_seed(4)

<torch._C.Generator object at 0x0000019684586350>

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

评论0

weixin_38566318

粉丝: 7
资源: 972

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈