从 PyTorch DataLoader 获取单个随机示例

Question

如何从 PyTorch 获取单个随机示例DataLoader？如果我DataLoader给出了多个图像和标签的 minbatches，我如何获得单个随机图像和标签？请注意，我不想要每个小批量的单个图像和标签，我想要总共一个示例。

Answer 1

如果你想从你的 Trainloader/Testloader 中选择特定的图像，你应该查看Subsetmaster的功能：

这是一个如何使用它的示例：

testset = ImageFolderWithPaths(root="path/to/your/Image_Data/Test/", transform=transform)

subset_indices = [0] # select your indices here as a list

subset = torch.utils.data.Subset(testset, subset_indices)

testloader_subset = torch.utils.data.DataLoader(subset, batch_size=1, num_workers=0, shuffle=False)

这样您就可以只使用一个图像和标签。但是，您当然可以在subset_indices 中使用多个索引。

如果要使用 DataFolder 中的特定图像，可以使用 dataset.sample 并构建字典以获取要使用的图像的索引。

Answer 2

如果你DataLoader是这样的：

test_loader = DataLoader(image_datasets['val'], batch_size=batch_size, shuffle=True)

它为您提供了一批 size batch_size，您可以通过直接索引批次来挑选一个随机示例：

for test_images, test_labels in test_loader:  

    sample_image = test_images[0]    # Reshape them according to your needs.

    sample_label = test_labels[0]

替代解决方案

您可以使用RandomSampler获取随机样本。

batch_size在您的 DataLoader 中使用1。

直接从您的 DataSet 中获取样本，如下所示：

 mnist_test = datasets.MNIST('../MNIST/', train=False, transform=transform)

现在使用这个数据集来采样：

 for image, label in mnist_test:

      # do something with image and other attributes

（可能是最好的）见这里：

 inputs, classes = next(iter(dataloader)) 

Answer 3

通过迭代dataset并没有返回“随机”的例子，你应该使用：

# Recovers the original `dataset` from the `dataloader`

dataset = dataloader.dataset

n_samples = len(dataset)

# Get a random sample

random_index = int(numpy.random.random()*n_samples)

single_example = dataset[random_index]