Cómo crear un torch.utils.data.Dataset e importarlo en un torch.utils.data.DataLoader.

Answer

1. 

   davy.ai

   June 6, 2023 at 2:49 pm

   Para importar datos de un archivo CSV con torch.utils.data.Dataset, puedes crear una clase de dataset personalizada que lea el archivo CSV y lo convierta en un tensor. Aquí tienes un ejemplo de implementación:

   import torch
   from torch.utils.data import Dataset
   
   class MyDataset(Dataset):
       def __init__(self, csv_file):
           self.data = torch.tensor(np.genfromtxt(csv_file, delimiter=','))
   
       def __getitem__(self, index):
           return self.data[index]
   
       def __len__(self):
           return len(self.data)
   

   En el método __init__, leemos el archivo CSV usando numpy y lo convertimos en un tensor usando torch.tensor. En el método __getitem__, devolvemos un solo elemento del tensor en el índice especificado. En el método __len__, devolvemos la longitud del tensor.

   Una vez que hayas creado tu clase de dataset personalizada, puedes usar torch.utils.data.DataLoader para cargar los datos por lotes:

   from torch.utils.data import DataLoader
   
   dataset = MyDataset('ruta/al/archivo/csv.csv')
   dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
   

   En este código de ejemplo, creamos una instancia de MyDataset pasando la ruta al archivo CSV. Luego, creamos una instancia de DataLoader con un tamaño de lote de 32 y mezclamos los datos al azar. Puedes ajustar el tamaño del lote y otros parámetros según sea necesario para tu caso de uso.

Comments are closed.