반응형
[파이썬] 파이토치 데이터로더 데이터 확인하니 : dataloader, next(iter(dataloader))¶
- 파이토치 데이터로더를 사용하면서,
for
문을 작성하지 않고 데이터를 확인하고 싶을때가 있습니다. - 저는 데이터를 확인하기 위해
iter
와next
함수를 사용합니다.
In [1]:
import torch
from torch.utils.data import TensorDataset, DataLoader
# 데이터 생성
sample_data = torch.randn(100, 5)
label_data = torch.tensor([int(l>0) for l in torch.randn(100, 1)])
# 데이터 로더 생성
input_dataset = TensorDataset(sample_data, label_data)
input_data = DataLoader(input_dataset)
In [2]:
next(iter(input_data))
Out[2]:
[tensor([[ 1.8001, 1.0327, -0.3948, -1.2492, -0.2645]]), tensor([0])]
- 단 베치사이즈를 설정하면 베치 사이즈 단위로 데이터를 보여줌
In [3]:
input_data = DataLoader(input_dataset, batch_size=8)
next(iter(input_data))
Out[3]:
[tensor([[ 1.8001, 1.0327, -0.3948, -1.2492, -0.2645], [-0.1748, -0.3379, -0.3122, -0.5767, 1.1660], [ 1.9116, 0.4654, -1.1220, -0.3539, 0.3104], [ 2.0421, -2.0853, 0.5240, -0.5811, -0.7541], [ 0.9638, 0.3511, 1.7264, 0.0257, 0.1413], [ 1.1240, -0.6706, -2.1899, -0.2597, 1.2073], [ 0.9344, 0.9241, 0.9108, 2.1559, 1.0133], [-1.3270, -0.6829, -0.0374, -0.0602, -0.1322]]), tensor([0, 1, 0, 0, 1, 1, 0, 0])]
반응형
'python' 카테고리의 다른 글
파이썬 정규식 성능 향상을 위한 compile 객체 사용법 (0) | 2023.08.18 |
---|---|
파이썬 리스트 차원 병합 (0) | 2023.08.18 |
파이썬 이미지 객체 경계선(boundary) 표시 skimage, mark_boundaries 활용 (0) | 2023.08.18 |
파이토치 RandomSampler 이용하여 데이터 무작위로 섞기 (0) | 2023.08.18 |
파이썬 이미지 자르기 (0) | 2023.08.18 |
댓글