machine-learning - 将tensorDataset或Dataloader传递给skorch

Question

我想使用skorch在Pytorch中应用交叉验证，所以我准备了我的模型和我的tensorDataset，它返回(image，caption和captions_length)，所以它有X和Y，所以我无法在中设置Y方法

net.fit(dataset)

但是当我尝试时出现错误:

ValueError: Stratified CV requires explicitly passing a suitable y

这是我的代码的一部分:

start = time.time()
net = NeuralNetClassifier(
        decoder, criterion= nn.CrossEntropyLoss,
        max_epochs=args.epochs,
        lr=args.lr,
        optimizer=optim.SGD,
        device='cuda',  # uncomment this to train with CUDA
       )
net.fit(dataset, y=None)
end = time.time()

Answer 1

您正在(隐式地)使用 skorch 的内部 CV 分割，它在 NeuralNetClassifier 的情况下使用分层分割，而 NeuralNetClassifier 又需要事先有关标签的信息。

当分别将 X 和 y 传递给 fit 时，效果很好，因为 y 始终可以访问。问题是您使用的 torch.dataset.Dataset 是惰性的，并且无法让您直接访问 y，因此会出现错误。

您的选择如下。

设置train_split=None以禁用内部 CV 分割

net = NeuralNetClassifier(
    train_split=None,
)

您将失去内部验证，因此失去提前停止等功能。

预先分割数据

将数据集拆分为两个数据集:dataset_train 和 dataset_valid，然后使用 skorch.helper.predefined_split :

net = NeuralNetClassifier(
    train_split=predefined_split(dataset_valid),
)

您不会丢失任何内容，但根据您的数据，这可能会很复杂。

提取您的y并将其传递给fit

y_train = np.array([y for X, y in iter(my_dataset)])
net.fit(my_dataset, y=y_train)

只有当您的y适合内存时，这才有效。由于您使用的是 TensorDataset，您还可以执行以下操作来提取 y:

y_train = my_dataset.y