为什么 pytorch DataLoader 在 numpy 数组和列表上的行为不同？

Question

唯一的区别是传递给DataLoader的参数之一是“numpy.array”类型，另一个是“list”类型，但DataLoader给出的结果完全不同。

您可以使用以下代码重现它：

from torch.utils.data import DataLoader,Dataset
import numpy as np

class my_dataset(Dataset):
    def __init__(self,data,label):
        self.data=data
        self.label=label          
    def __getitem__(self, index):
        return self.data[index],self.label[index]
    def __len__(self):
        return len(self.data)

train_data=[[1,2,3],[5,6,7],[11,12,13],[15,16,17]]
train_label=[-1,-2,-11,-12]

########################### Look at here:    

test=DataLoader(dataset=my_dataset(np.array(train_data),train_label),batch_size=2)
for i in test:
    print ("numpy data:")
    print (i)
    break


test=DataLoader(dataset=my_dataset(train_data,train_label),batch_size=2)
for i in test:
    print ("list data:")
    print (i)
    break

结果是：

numpy data:
[tensor([[1, 2, 3],
        [5, 6, 7]]), tensor([-1, -2])]
list data:
[[tensor([1, 5]), tensor([2, 6]), tensor([3, 7])], tensor([-1, -2])]  

Answer 1

这是因为在torch.utils.data.DataLoader 中如何处理批处理。 collate_fn 参数决定如何将样本中的样本合并到一个批次中。此参数的默认值是未记录的torch.utils.data.default_collate。

此函数通过假设数字/张量/ndarrays 是要批处理的原始数据和包含这些原始数据的列表/元组/dicts 作为要（递归）保留的结构来处理批处理。这使您可以进行这样的语义批处理：

1. (input_tensor, label_tensor) -> (batched_input_tensor, batched_label_tensor)
2. ([input_tensor_1, input_tensor_2], label_tensor) -> ([batched_input_tensor_1, batched_input_tensor_2], batched_label_tensor)
3. {'input': input_tensor, 'target': target_tensor} -> {'input': batched_input_tensor, 'target': batched_target_tensor}

（->的左侧是dataset[i]的输出，右侧是来自torch.utils.data.DataLoader的批量样本）

您的示例代码类似于上面的示例 2：列表结构被保留，而 ints 被批处理。