python - 如何使用 numpy 数据和批量大小训练 pytorch 模型？

Question

我正在学习 pytorch 的基础知识，并想创建一个带有 dropout 的简单 4 层神经网络来训练 IRIS 数据集进行分类。在引用了许多教程后，我编写了这段代码。

import pandas as pd
from sklearn.datasets import load_iris
import torch
from torch.autograd import Variable

epochs=300
batch_size=20
lr=0.01

#loading data as numpy array
data = load_iris()
X=data.data
y=pd.get_dummies(data.target).values

#convert to tensor
X= Variable(torch.from_numpy(X), requires_grad=False)
y=Variable(torch.from_numpy(y), requires_grad=False)
print(X.size(),y.size())

#neural net model
model = torch.nn.Sequential(
    torch.nn.Linear(4, 10),
    torch.nn.ReLU(),
    torch.nn.Dropout(),
    torch.nn.Linear(10, 5),
    torch.nn.ReLU(),
    torch.nn.Dropout(),
    torch.nn.Linear(5, 3),
    torch.nn.Softmax()
)

print(model)

# Loss and Optimizer
optimizer = torch.optim.Adam(model.parameters(), lr=lr)  
loss_func = torch.nn.CrossEntropyLoss()  

for i in range(epochs):
    # Forward pass
    y_pred = model(X)

    # Compute and print loss.
    loss = loss_func(y_pred, y)
    print(i, loss.data[0])

    # Before the backward pass, use the optimizer object to zero all of the
    # gradients for the variables it will update (which are the learnable weights
    # of the model)
    optimizer.zero_grad()

    # Backward pass
    loss.backward()

    # Calling the step function on an Optimizer makes an update to its parameters
    optimizer.step()

目前我面临两个问题。

我想设置 20 的批量大小.我该怎么做？

在这一步y_pred = model(X)它显示此错误

错误

 TypeError: addmm_ received an invalid combination of arguments - got (int, int, torch.DoubleTensor, torch.FloatTensor), but expected one of:
 * (torch.DoubleTensor mat1, torch.DoubleTensor mat2)
 * (torch.SparseDoubleTensor mat1, torch.DoubleTensor mat2)
 * (float beta, torch.DoubleTensor mat1, torch.DoubleTensor mat2)
 * (float alpha, torch.DoubleTensor mat1, torch.DoubleTensor mat2)
 * (float beta, torch.SparseDoubleTensor mat1, torch.DoubleTensor mat2)
 * (float alpha, torch.SparseDoubleTensor mat1, torch.DoubleTensor mat2)
 * (float beta, float alpha, torch.DoubleTensor mat1, torch.DoubleTensor mat2)
      didn't match because some of the arguments have invalid types: (int, int, torch.DoubleTensor, !torch.FloatTensor!)
 * (float beta, float alpha, torch.SparseDoubleTensor mat1, torch.DoubleTensor mat2)
      didn't match because some of the arguments have invalid types: (int, int, !torch.DoubleTensor!, !torch.FloatTensor!)

Answer 1

I want to set a batch size of 20. How should I do this?

对于数据处理和加载，PyTorch 提供了两个类，一个是 Dataset ，用于表示您的数据集。具体来说， Dataset提供接口(interface)以使用样本索引从整个数据集中获取一个样本。

但是 Dataset还不够，对于大数据集，我们需要做批处理。所以 PyTorch 提供了第二类 Dataloader ，用于从 Dataset 生成批处理给定批量大小和其他参数。

对于您的具体情况，我认为您应该尝试 TensorDataset .然后使用 Dataloader将批量大小设置为 20。只需查看 PyTorch official examples了解如何去做。

At this step y_pred = model(X) its showing this error

错误消息非常有用。您的意见 X模型是类型 DoubleTensor .但是您的模型参数的类型为 FloatTensor .在 PyTorch 中，您不能在不同类型的 Tensor 之间进行操作。你应该做的是更换线路

X= Variable(torch.from_numpy(X), requires_grad=False)

和

X= Variable(torch.from_numpy(X).float(), requires_grad=False)

现在， X有类型 FloatTensor ，错误消息应该会消失。

另外，作为一个温馨提示，互联网上有很多关于您的问题的 Material ，可以充分解决您的问题。你应该努力自己解决。