【2021.02.24】加载数据集、多分类问题

本期的学习来源是：https://www.bilibili.com/video/BV1Y7411d7Ys?p=8

代码来源：https://blog.csdn.net/bit452/article/details/109680909

全部的数据都使用被称为batch，最大化利用向量计算的优势，以提升计算的速度

随机梯度下降只使用一个样本，可以帮我们克服鞍点，但训练时间较长

因此中和一下，综合两者的概念便被称为mini-batch

嵌套循环

外层表示训练次数，内层表示batch迭代

epoch：将样本进行一次正向传播和反向传播

batch-size：每次训练时候的样本数量

iteration：batch被分为多少个（内层循环次数

样本数量=batch-size * iteration

加载数据集

Shuffle：作用是打乱顺序

图中的batch-size=2，因此在最后打包的时候，两个分为一组

dataset是抽象类， 无法被实例化，只能被子类去继承

dataloader可以被实例化

Dataset的功能

在我们输入图像时，输出的结果如果也是图像，就很消耗内存

Dataset可以帮助我们节省内存

一、直接加载全部数据（适合小型，结构化的数据表

二、分步加载数据（适合无结构数据、图像、语音

Dataloader的功能

加载数据

传入参数有实例、batch-size、是否打乱、多线程参数

（在使用多线程的时候，Windows上使用spawn替代掉fork函数

例子

以上图为例

其中在__init__中的134条是加载数据相关，数据集是N行9列的数据，其中9列里8列是特征值。1列是标签

而第二行的.shape[0]的作用是提取出N来

因此我们在__len__中只需要返回len就可以得到样本数量了

__getitem__则是返回内存中的元组

多分类问题

结果只判断为“是/否”的为二分类问题

而多输出可以实现多分类问题，

将每个分类作为二分类，每个分类的概率是多少

（例如：y_hat1=0.9，y_hat2=0.8

这样的输出是不好的

最好的输出为所有分类的概率大于等于0，且所有的分类概率和为1

因此我们要加个softmax layer层

softmax layer层公式为

\[P(y=i)=\frac{e^{z_{i}}}{\sum_{j=0}^{K-1}e^{z_{i}}},i\epsilon\left \{ 0,...,K-1 \right \} \]

其中的

\[e^{z_{i}} \]

是为了保证概率大于等于0，当计算出来的z<0时候，带入上式子可>0

而在计算损失函数的时候，将结果导入

如果多分类问题有唯一解，则导入的结果中只有一个1（被称为one-hot

通过softmax layer的运算得到的结果与one-hot的值可以算出损失函数

相对吻合的结果，得到的交叉熵损失会较小，如下图

minist数据集

在做的时候可以将图像映射到[0,1]上

from torchvision import transforms

transform主要是进行图像的转换与映射

minist数据集这种单色图，我们称作为单通道图，而对RGB图像我们称为多通道图

读取图片时要使用W*H*C，宽x高x通道，或者如下图C*H*C

转换成[0,1]分布，最适合神经网络的学习

minist处理过程