我正在尝试实现一个包含两个图像的暹罗网络。我加载这些图像并创建两个单独的数据加载器。
在循环中,我想同时浏览两个数据加载器,以便可以在两个图像上训练网络。
for i, data in enumerate(zip(dataloaders1, dataloaders2)):
# get the inputs
inputs1 = data[0][0].cuda(async=True);
labels1 = data[0][1].cuda(async=True);
inputs2 = data[1][0].cuda(async=True);
labels2 = data[1][1].cuda(async=True);
labels1 = labels1.view(batchSize,1)
labels2 = labels2.view(batchSize,1)
# zero the parameter gradients
optimizer.zero_grad()
# forward + backward + optimize
outputs1 = alexnet(inputs1)
outputs2 = alexnet(inputs2)
数据加载器的返回值是一个元组。
但是,当我尝试使用zip
遍历它们时,出现以下错误:
OSError: [Errno 24] Too many open files
Exception NameError: "global name 'FileNotFoundError' is not defined" in <bound method _DataLoaderIter.__del__ of <torch.utils.data.dataloader._DataLoaderIter object at 0x7f2d3c00c190>> ignored
不是所有可迭代项目都可用zip压缩吗?但是似乎在这里我不能在数据加载器上使用它。
还有其他方法可以做到这一点吗?还是我错误地实现了暹罗网络的实施?
答案 0 :(得分:4)
要完成@ManojAcharya的答案:
您遇到的错误既不是来自zip()
,也不是来自DataLoader()
。 Python试图告诉您它找不到您要的数据文件之一(参见异常跟踪中的FileNotFoundError
),可能找不到您的Dataset
中。
在下面的示例中结合使用DataLoader
和zip
。请注意,如果您想重新整理数据,则很难保留两个数据集之间的对应关系。这证明了@ManojAcharya的解决方案。
import torch
from torch.utils.data import DataLoader, Dataset
class DummyDataset(Dataset):
"""
Dataset of numbers in [a,b] inclusive
"""
def __init__(self, a=0, b=100):
super(DummyDataset, self).__init__()
self.a = a
self.b = b
def __len__(self):
return self.b - self.a + 1
def __getitem__(self, index):
return index, "label_{}".format(index)
dataloaders1 = DataLoader(DummyDataset(0, 9), batch_size=2, shuffle=True)
dataloaders2 = DataLoader(DummyDataset(0, 9), batch_size=2, shuffle=True)
for i, data in enumerate(zip(dataloaders1, dataloaders2)):
print(data)
# ([tensor([ 4, 7]), ('label_4', 'label_7')], [tensor([ 8, 5]), ('label_8', 'label_5')])
# ([tensor([ 1, 9]), ('label_1', 'label_9')], [tensor([ 6, 9]), ('label_6', 'label_9')])
# ([tensor([ 6, 5]), ('label_6', 'label_5')], [tensor([ 0, 4]), ('label_0', 'label_4')])
# ([tensor([ 8, 2]), ('label_8', 'label_2')], [tensor([ 2, 7]), ('label_2', 'label_7')])
# ([tensor([ 0, 3]), ('label_0', 'label_3')], [tensor([ 3, 1]), ('label_3', 'label_1')])
答案 1 :(得分:2)
我看到您正在努力实现正确的dataloder功能。我会的:
class Siamese(Dataset):
def __init__(self, transform=None):
#init data here
def __len__(self):
return #length of the data
def __getitem__(self, idx):
#get images and labels here
#returned images must be tensor
#labels should be int
return img1, img2 , label1, label2
答案 2 :(得分:1)
为@Aldream的解决方案添加一个解决方案,当数据集的长度不同时,如果我们希望在同一时期通过它们,那么我们可以使用Python cycle()
中的itertools
标准库。使用@Aldrem的代码段,更新后的代码将如下所示:
from torch.utils.data import DataLoader, Dataset
from itertools import cycle
class DummyDataset(Dataset):
"""
Dataset of numbers in [a,b] inclusive
"""
def __init__(self, a=0, b=100):
super(DummyDataset, self).__init__()
self.a = a
self.b = b
def __len__(self):
return self.b - self.a + 1
def __getitem__(self, index):
return index
dataloaders1 = DataLoader(DummyDataset(0, 100), batch_size=10, shuffle=True)
dataloaders2 = DataLoader(DummyDataset(0, 200), batch_size=10, shuffle=True)
num_epochs = 10
for epoch in num_epochs:
for i, data in enumerate(zip(cycle(dataloaders1), dataloaders2)):
print(data)
只有zip()
的长度等于最小数据集(此处为100)的长度时,迭代器将被耗尽。但是使用cycle()
,我们将再次重复最小的数据集,除非迭代器查看最大数据集(此处为200)中的所有样本。
P.S。总是可以争辩说,只要一个人随机采样,就可能不需要这种方法来实现收敛,但是使用这种方法,评估可能会更容易。
答案 3 :(得分:1)
如果要同时迭代两个数据集,则无需定义自己的数据集类,只需使用TensorDataset即可,如下所示:
dataset = torch.utils.data.TensorDataset(dataset1, dataset2)
dataloader = DataLoader(dataset, batch_size=128, shuffle=True)
for index, data in enumerate(dataloader):
xb1, xb2 = data
....
如果您希望标签或对两个以上的数据集进行迭代,只需将它们作为参数送入数据集2之后的TensorDataset。
答案 4 :(得分:1)
https://api.foursquare.com/v2/venues/{{VENUE_ID}}?client_id={{client_id}}&client_secret={{client_secret}}&v={{v}}
和cycle()
可能会引起内存泄漏问题,尤其是在使用图像数据集时!为了解决这个问题,而不是像这样迭代:
zip()
您可以使用:
dataloaders1 = DataLoader(DummyDataset(0, 100), batch_size=10, shuffle=True)
dataloaders2 = DataLoader(DummyDataset(0, 200), batch_size=10, shuffle=True)
num_epochs = 10
for epoch in range(num_epochs):
for i, (data1, data2) in enumerate(zip(cycle(dataloaders1), dataloaders2)):
do_cool_things()
请记住,如果还使用标签,则在此示例中,应将dataloaders1 = DataLoader(DummyDataset(0, 100), batch_size=10, shuffle=True)
dataloaders2 = DataLoader(DummyDataset(0, 200), batch_size=10, shuffle=True)
num_epochs = 10
for epoch in range(num_epochs):
dataloader_iterator = iter(dataloaders1)
for i, data1 in enumerate(dataloaders2)):
try:
data2 = next(dataloader_iterator)
except StopIteration:
dataloader_iterator = iter(dataloaders1)
data2 = next(dataloader_iterator)
do_cool_things()
替换为data1
,将(inputs1,targets1)
替换为data2
,如@Sajad Norouzi所说。
KUDOS与此:https://github.com/pytorch/pytorch/issues/1917#issuecomment-433698337