大佬教程收集整理的这篇文章主要介绍了1、DL_paddle深度学习，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

自定义数据集的加载

在实际的场景中，更多需要使用你已有的相关数据来定义数据集。你可以使用飞桨提供的paddle.io.Dataset基类，来快速实现自定义数据集。

import paddle
from paddle.io import Dataset

BATCH_SIZE = 64
BATCH_NUM = 20

IMAGE_SIZE = (28, 28)
CLASS_NUM = 10


class MyDataset(Dataset):
    """
    步骤一：继承paddle.io.Dataset类
    """
    def __init__(self, num_samples):
        """
        步骤二：实现构造函数，定义数据集大小
        """
        super(MyDataset, self).__init__()
        self.num_samples = num_samples

    def __getitem__(self, indeX):
        """
        步骤三：实现__getitem__方法，定义指定index时如何获取数据，并返回单条数据（训练数据，对应的标签）
        """
        data = paddle.uniform(IMAGE_SIZE, dtype='float32')
        label = paddle.randint(0, CLASS_NUM-1, dtype='int64')

        return data, label

    def __len__(self):
        """
        步骤四：实现__len__方法，返回数据集总数目
        """
        return self.num_samples

# 测试定义的数据集
custom_dataset = MyDataset(BATCH_SIZE * BATCH_NUM)

print('=============custom dataset=============')
for data, label in custom_dataset:
    print(data.shape, label.shapE)
    break

飞桨推荐使用paddle.io.DataLoader完成数据的加载。简单的示例如下：

Train_loader = paddle.io.DataLoader(custom_dataset, batch_size=BATCH_SIZE, shuffle=TruE)
# 如果要加载内置数据集，将 custom_dataset 换为 Train_dataset 即可
for batch_id, data in enumerate(Train_loader()):
    x_data = data[0]
    y_data = data[1]

    print(x_data.shapE)
    print(y_data.shapE)
    break

参考链接：数据集定义与加载-使用文档-PaddlePaddle深度学习平台

大佬总结

以上是大佬教程为你收集整理的1、DL_paddle深度学习全部内容，希望文章能够帮你解决1、DL_paddle深度学习所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。