torch.utils.data.TensorDataset
class torch.utils.data.TensorDataset(data_tensor, target_tensor)
功能:包装数据和目标张量的数据集
参数:
data_tensor(Tensor) - 包含样本数据
target_tensor (Tensor) - 包含样本目标(标签)
torch.utils.data.DataLoader
class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False)
功能:数据加载器。组合数据集和采样器,并在数据集上提供单进程或多进程迭代器。
参数:
dataset (Dataset) – 加载数据的数据集。
batch_size (int, optional) – 每个batch加载多少个样本(默认: 1)。
shuffle (bool, optional) – 设置为True时会在每个epoch重新打乱数据(默认: False).
sampler (Sampler, optional) – 定义从数据集中提取样本的策略。如果指定,则忽略shuffle参数。
num_workers (int, optional) – 用多少个子进程加载数据。0表示数据将在主进程中加载(默认: 0)
collate_fn (callable, optional) –
pin_memory (bool, optional) –
drop_last (bool, optional) – 如果数据集大小不能被batch size整除,则设置为True后可删除最后一个不完整的batch。如果设为False并且数据集的大小不能被batch size整除,则最后一个batch将更小。(默认: False)
nn.Linear
class torch.nn.Linear(in_features, out_features, bias=True)
功能:对输入数据做线性变换:y=Ax+b,用于设置网络中的全连接层
参数:
in_features - 每个输入样本的大小
out_features - 每个输出样本的大小
bias - 若设置为False,这层不会学习偏置。默认值:True
torch.cat
outputs = torch.cat(inputs, dim=0) → Tensor
功能:在给定维度上对输入的张量序列seq 进行连接操作
参数:
inputs : 待连接的张量序列,可以是任意相同Tensor类型的python 序列
dim : 选择的扩维, 必须在0到len(inputs[0])之间,沿着此维连接张量序列。
torch.mm
两个矩阵相乘