Я начал использовать pytorch-lightning и столкнулся с проблемой моих пользовательских загрузчиков данных:
Я использую собственный набор данных и общий torch.utils.data.DataLoader. Обычно набор данных выбирает путь и загружает данные, соответствующие заданному индексу, который загружает загрузчик данных.
def train_dataloader(self):
train_set = TextKeypointsDataset(parameters...)
train_loader = torch.utils.data.DataLoader(train_set, batch_size, num_workers)
return train_loader
Когда я использую модули pytorch-lightning train_dataloader
и training_step
, все работает нормально. Когда я добавляю val_dataloader
и validation_step
, я сталкиваюсь с этой ошибкой:
Epoch 1: 45%|████▌ | 10/22 [00:02<00:03, 3.34it/s, loss=5.010, v_num=131199]
ValueError: Expected input batch_size (1500) to match target batch_size (5)
В этом случае мой набор данных действительно мал (для проверки функциональности) из 84 образцов, размер моего пакета равен 8. Набор данных для обучения и проверки имеет одинаковую длину (снова только для целей тестирования).
Таким образом, всего 84 * 2 = 168 и 168/8 (размер партии) = 21, что примерно соответствует общему количеству шагов (22), показанных выше. Это означает, что после запуска набора обучающих данных 10 раз (10 * 8 = 80) загрузчик ожидает новую полную выборку из 8, но, поскольку есть только 84 образца, я получаю сообщение об ошибке (по крайней мере, это мое текущее понимание).
Я столкнулся с подобной проблемой в своей собственной реализации (без использования pytorch-lighntning) и использовал этот шаблон для ее решения. В основном я сбрасываю итератор, когда заканчиваются данные:
try:
data = next(data_iterator)
source_tensor = data[0]
target_tensor = data[1]
except StopIteration: # reinitialize data loader if num_iteration > amount of data
data_iterator = iter(data_loader)
Прямо сейчас кажется, что я сталкиваюсь с чем-то похожим? Я не знаю, как сбросить / повторно инициализировать загрузчик данных в pytorch-lightning, когда в моем training_dataloader заканчиваются данные. Думаю, должен быть еще один изощренный способ, с которым я не знаком. Спасибо
Dataset
довольно стандартна, но определение пользовательского _2 _, вероятно, является ошибкой, поскольку он выполняет всевозможные сложные вещи на бэкэнде (многопоточность и т. д.). В самых крайних случаях вы должны иметь возможность определить свой собственныйSampler
и, возможно,collate_fn
(при необходимости), оба из которых будут предоставлены вашемуDataLoader
при строительстве. - person jodag   schedule 25.05.2020