H5文件读取:
import torch.utils.dataasdataimporttorchimporth5pyclassdatasetfromhdf5(data.dataset ) : def _ _ init _ (self文件self(_init_ () HF=H5py.file ) file_path ) self.data=HF.get ) data ' (self.target=HF.get ) ) data ex, ] ).float ),torch.from_numpy ) )。]] ).float(def_len_(self ) :在return self.data.shape [0]中调用时,首先在DataLoader中对数据进行training _ dadare
train _ set=datasetfromhdf5(r ' d : (pycharmprojects (py torch-vdsr-master (data (train.H5 ) ) training ) )。 num_workers=opt.threads、batch_size=opt.batchSize、shuffle=True )在使用数据训练时写入循环,而iteration从1开始
input和target是取出的输入和想要得到的输出,这里的返回顺序由以上的DatasetFromHdf5定义。
def_getitem_(self,index ) : return torch.from _ numpy self.data [ index, ] ).3360 :]
在这里,索引每次都应该在第一个维度中检索data中的数值。 data[index, ]本来维度为100014141,每次取114141。 根据batch的说法,每次取出的是batch14141
for iteration,batchinenumerate (training _ data _ loader,1 ) : input,target=variable ) batch[0],variable )