使用 DataLoaders 在 PyTorch 中验证数据集

Question

我想在 PyTorch 和 Torchvision 中加载 MNIST 数据集，将其分为训练、验证和测试部分。到目前为止，我有：

def load_dataset():
    train_loader = torch.utils.data.DataLoader(
        torchvision.datasets.MNIST(
            '/data/', train=True, download=True,
            transform=torchvision.transforms.Compose([
                torchvision.transforms.ToTensor()])),
        batch_size=batch_size_train, shuffle=True)

    test_loader = torch.utils.data.DataLoader(
        torchvision.datasets.MNIST(
            '/data/', train=False, download=True,
            transform=torchvision.transforms.Compose([
                torchvision.transforms.ToTensor()])),
        batch_size=batch_size_test, shuffle=True)

如果训练数据集在DataLoader. 我想使用训练数据集中的最后 10000 个示例作为验证数据集（我知道我应该做 CV 以获得更准确的结果，我只想在这里快速验证）。

Answer 1

在 PyTorch 中将训练数据集拆分为训练和验证实际上比应有的要困难得多。

首先，将训练集拆分为训练和验证子集(class Subset)，它们不是数据集 (class Dataset)：

train_subset, val_subset = torch.utils.data.random_split(
        train, [50000, 10000], generator=torch.Generator().manual_seed(1))

然后从这些数据集中获取实际数据：

X_train = train_subset.dataset.data[train_subset.indices]
y_train = train_subset.dataset.targets[train_subset.indices]

X_val = val_subset.dataset.data[val_subset.indices]
y_val = val_subset.dataset.targets[val_subset.indices]

请注意，这样我们就没有对象Dataset，因此我们不能使用DataLoader对象进行批量训练。如果您想使用 DataLoaders，它们可以直接与子集一起使用：

train_loader = DataLoader(dataset=train_subset, shuffle=True, batch_size=BATCH_SIZE)
val_loader = DataLoader(dataset=val_subset, shuffle=False, batch_size=BATCH_SIZE)