30 lines
1.6 KiB
Markdown
30 lines
1.6 KiB
Markdown
## Подготовка данных
|
|
|
|
По мимо подготовки датасета реализуется 2 обязательных класса:
|
|
1. Обязательный класс. В него мы подаем путь до датасета и трансформации, которые необходимо провести.
|
|
```python
|
|
dataset = DatasetNameDataset(path=.... , transforms=....)
|
|
```
|
|
Вот так выглядит сам класс:
|
|
```python
|
|
class DatasetNameDataset(Dataset): # название класса
|
|
def __init__(self, *args, **kwargs) # инициализация
|
|
|
|
def __len__(self):
|
|
pass # Вот тут функционал поиска длины датасета
|
|
|
|
def __getitem__(self, index):
|
|
pass # Функционал поиска по индексу, где мы должны получить в ответе данные и ответ к ним (sample, target)
|
|
```
|
|
2. Класс pytorch DataLoader
|
|
```python
|
|
DataLoader(dataset=dataset, batch_size=BATCH_SIZE, shuffle=False)
|
|
```
|
|
где:
|
|
- **dataset*** - наш датасет
|
|
- **batch*** - 'пакет' из ***BATCH_SIZE*** чилса данных и ответов к ним.
|
|
- **shuffle*** - либо разрешаем либо запрещаем перемешивать данные при каждой итерации
|
|
|
|
И для задач классификации, ровно как и для задач регрессии, данные классы идентичны.
|
|
**НО** различаются они только тем, какие именно данные в них подаются и какой ответ мы получаем.
|