网络编程
位置:首页>> 网络编程>> Python编程>> pytorch+sklearn实现数据加载的流程

pytorch+sklearn实现数据加载的流程

作者:梁小憨憨  发布时间:2022-05-15 14:44:27 

标签:pytorch,sklearn,数据,加载

之前在训练网络的时候加载数据都是稀里糊涂的放进去的,也没有理清楚里面的流程,今天整理一下,加深理解,也方便以后查阅。

pytorch+sklearn实现数据加载

epoch & batch_size & iteration

  • epoch:1个epoch等于使用训练集中的全部样本训练一次,通俗的讲epoch的值就是整个数据集被轮几次。

  • batch_size:批大小。在深度学习中,一般采用SGD训练,即每次训练在训练集中取batchsize个样本训练;

  • iteration:1个iteration等于使用batch_size个样本训练一次;

优化算法——梯度下降

深度学习的优化算法,说白了就是梯度下降。每次的参数更新有两种方式。

Batch gradient descent

第一种,遍历全部数据集算一次损失函数,然后算函数对各个参数的梯度,更新梯度,这称为批梯度下降(Batch gradient descent)

这样做至少有 2 个好处:其一,由全数据集确定的方向能够更好地代表样本总体,从而更准确地朝向极值所在的方向。其二,由于不同权重的梯度值差别巨大,因此选取一个全局的学习率很困难。 Full Batch Learning 可以使用 Rprop 只基于梯度符号并且针对性单独更新各权值。

对于更大的数据集,以上 2 个好处又变成了 2 个坏处:其一,随着数据集的海量增长和内存限制,一次性载入所有的数据进来变得越来越不可行。其二,以 Rprop 的方式迭代,会由于各个 Batch 之间的采样差异性,各次梯度修正值相互抵消,无法修正。这才有了后来 RMSProp 的妥协方案。

Stochastic gradient descent

另一种,每看一个数据就算一下损失函数,然后求梯度更新参数,这个称为随机梯度下降(Stochastic gradient descent)。这个方法速度比较快,但是收敛性能不太好,可能在最优点附近晃来晃去,达不到最优点。两次参数的更新也有可能互相抵消掉,造成目标函数震荡的比较剧烈。

pytorch+sklearn实现数据加载的流程

Mini-batch gradient decent

为了克服两种方法的缺点,现在一般采用的是一种折中手段,mini-batch gradient decent,小批的梯度下降,这种方法把数据分为若干个批,按批来更新参数,这样,一个批中的一组数据共同决定了本次梯度的方向,下降起来就不容易跑偏,减少了随机性。另一方面因为批的样本数与整个数据集相比小了很多,计算量也不是很大。

现在用的优化器SGD是stochastic gradient descent的缩写,但不代表是一个样本就更新一回,还是基于mini-batch的。

  • 批量梯度下降:批量大小=训练集的大小

  • 随机梯度下降:批量大小= 1

  • 小批量梯度下降:1 <批量大小<训练集的大小

在小批量梯度下降的情况下,流行的批量大小包括32,64和128个样本。

再谈Batch_Size

在合理范围内,增大 Batch_Size 有何好处?

  • 内存利用率提高了,大矩阵乘法的并行化效率提高。

  • 跑完一次 epoch(全数据集)所需的迭代次数减少,对于相同数据量的处理速度进一步加快。

  • 在一定范围内,一般来说 Batch_Size 越大,其确定的下降方向越准,引起训练震荡越小。

盲目增大 Batch_Size 有何坏处?

  • 内存利用率提高了,但是内存容量可能撑不住了。

  • 跑完一次 epoch(全数据集)所需的迭代次数减少,要想达到相同的精度,其所花费的时间大大增加了,从而对参数的修正也就显得更加缓慢。

  • Batch_Size 增大到一定程度,其确定的下降方向已经基本不再变化。

深度学习的第一项任务&mdash;&mdash;数据加载

数据加载流程&mdash;&mdash;重要

pytorch+sklearn实现数据加载的流程

以BCICIV_2a数据为例

import mne
import numpy as np
import torch
import torch.nn as nn
class LoadData:
   def __init__(self,eeg_file_path: str):
       self.eeg_file_path = eeg_file_path

def load_raw_data_gdf(self,file_to_load):
       self.raw_eeg_subject = mne.io.read_raw_gdf(self.eeg_file_path + '/' + file_to_load)
       return self

def load_raw_data_mat(self,file_to_load):
       import scipy.io as sio
       self.raw_eeg_subject = sio.loadmat(self.eeg_file_path + '/' + file_to_load)

def get_all_files(self,file_path_extension: str =''):
       if file_path_extension:
           return glob.glob(self.eeg_file_path+'/'+file_path_extension)
       return os.listdir(self.eeg_file_path)
class LoadBCIC(LoadData):
   '''Subclass of LoadData for loading BCI Competition IV Dataset 2a'''
   def __init__(self, file_to_load, *args):
       self.stimcodes=('769','770','771','772')
       # self.epoched_data={}
       self.file_to_load = file_to_load
       self.channels_to_remove = ['EOG-left', 'EOG-central', 'EOG-right']
       super(LoadBCIC,self).__init__(*args)

def get_epochs(self, tmin=0,tmax=1,baseline=None):
       self.load_raw_data_gdf(self.file_to_load)
       raw_data = self.raw_eeg_subject
       # raw_downsampled = raw_data.copy().resample(sfreq=128)
       self.fs = raw_data.info.get('sfreq')
       events, event_ids = mne.events_from_annotations(raw_data)
       stims =[value for key, value in event_ids.items() if key in self.stimcodes]
       epochs = mne.Epochs(raw_data, events, event_id=stims, tmin=tmin, tmax=tmax, event_repeated='drop',
                           baseline=baseline, preload=True, proj=False, reject_by_annotation=False)
       epochs = epochs.drop_channels(self.channels_to_remove)
       self.y_labels = epochs.events[:, -1] - min(epochs.events[:, -1])
       self.x_data = epochs.get_data()*1e6
       eeg_data={'x_data':self.x_data,
                 'y_labels':self.y_labels,
                 'fs':self.fs}
       return eeg_data
data_path = "/home/pytorch/LiangXiaohan/MI_Dataverse/BCICIV_2a_gdf"
file_to_load = 'A01T.gdf'
'''for BCIC Dataset'''
bcic_data = LoadBCIC(file_to_load, data_path)
eeg_data = bcic_data.get_epochs() # {'x_data':, 'y_labels':, 'fs':}

pytorch+sklearn实现数据加载的流程

X = eeg_data.get('x_data')
Y = eeg_data.get('y_labels')
Y.shape

pytorch+sklearn实现数据加载的流程

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=0)
X_train.shape

pytorch+sklearn实现数据加载的流程

from sklearn.model_selection import StratifiedKFold
train_idx = {}
eval_idx = {}
skf = StratifiedKFold(n_splits=4, shuffle=True)
i = 0
for train_indices, eval_indices in skf.split(X_train, y_train):
   train_idx.update({i: train_indices})
   eval_idx.update({i: eval_indices})
   i += 1
train_idx.get(1).shape

pytorch+sklearn实现数据加载的流程

def split_xdata(eeg_data, train_idx, eval_idx):
   x_train=np.copy(eeg_data[train_idx,:,:])
   x_eval=np.copy(eeg_data[eval_idx,:,:])
   x_train = torch.from_numpy(x_train).to(torch.float32)
   x_eval = torch.from_numpy(x_eval).to(torch.float32)
   return x_train, x_eval
def split_ydata(y_true, train_idx, eval_idx):
   y_train = np.copy(y_true[train_idx])
   y_eval = np.copy(y_true[eval_idx])
   y_train = torch.from_numpy(y_train)
   y_eval = torch.from_numpy(y_eval)
   return y_train, y_eval
x_train, x_eval = split_xdata(X_train, train_idx.get(1), eval_idx.get(1))
y_train, y_eval = split_ydata(Y_train, train_idx.get(1), eval_idx.get(1))
y_train.shape

pytorch+sklearn实现数据加载的流程

from torch.utils.data import Dataset, DataLoader, TensorDataset
from tqdm import tqdm
def BCICDataLoader(x_train, y_train, batch_size=64, num_workers=2, shuffle=True):

data = TensorDataset(x_train, y_train)

train_data = DataLoader(dataset=data, batch_size=batch_size, shuffle=shuffle, num_workers=num_workers)

return train_data
train_data = BCICDataLoader(x_train, y_train, batch_size=32)
for inputs, target in tqdm(train_data):
   print(target)

pytorch+sklearn实现数据加载的流程

到此数据就读出来了!!!

相关API解释

sklearn.model_selection.train_test_split

https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html?highlight=train_test_split

pytorch+sklearn实现数据加载的流程

sklearn.model_selection.StratifiedKFold

https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.StratifiedKFold.html?highlight=stratifiedkfold#sklearn.model_selection.StratifiedKFold

pytorch+sklearn实现数据加载的流程

torch.utils.data.TensorDataset

https://pytorch.org/docs/stable/data.html?highlight=tensordataset#torch.utils.data.TensorDataset

pytorch+sklearn实现数据加载的流程

torch.utils.data.DataLoader

https://pytorch.org/docs/stable/data.html?highlight=dataloader#torch.utils.data.DataLoader

pytorch+sklearn实现数据加载的流程

pytorch+sklearn实现数据加载的流程

参考资料

深度学习中的batch、epoch、iteration的含义

神经网络中Batch和Epoch之间的区别是什么?

谈谈深度学习中的 Batch_Size

来源:https://blog.csdn.net/qq_41990294/article/details/127849876

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com