Una inmersión más profunda en la carga de datos

Introducción al aprendizaje profundo con PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Nuestro conjunto de datos de animales

import pandas as pd
animals = pd.read_csv('animal_dataset.csv')

animal_name	hair	feathers	eggs	milk	predator	legs	tail	type
sparrow	0	1	1	0	0	2	1	0
eagle	0	1	1	0	1	2	1	0
cat	1	0	0	1	1	4	1	1
dog	1	0	0	1	0	4	1	1
lizard	0	0	1	0	1	4	1	2

Categorías de tipos: ave (0), mamífero (1), reptil (2)

Nuestro conjunto de datos de animales: características definitorias

import numpy as np

# Define input features
features = animals.iloc[:, 1:-1]


X = features.to_numpy()
print(X)

[[0 1 1 0 0 2 1]
 [0 1 1 0 1 2 1]
 [1 0 0 1 1 4 1]
 [1 0 0 1 0 4 1]
 [0 0 1 0 1 4 1]]

Volver a nuestro conjunto de datos de animales: definir los valores objetivo

# Define target values (ground truth)
target = animals.iloc[:, -1]
y = target.to_numpy()
print(y)

[0 0 1 1 2]

TensorDataset

import torch
from torch.utils.data import TensorDataset


# Instantiate dataset class
dataset = TensorDataset(torch.tensor(X), torch.tensor(y))


# Access an individual sample
input_sample, label_sample = dataset[0]
print('input sample:', input_sample)  
print('label sample:', label_sample)

input sample: tensor([0, 1, 1, 0, 0, 2, 1])
label sample: tensor(0)

DataLoader

from torch.utils.data import DataLoader


batch_size = 2

shuffle = True


# Create a DataLoader
dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=shuffle)

Epoch: un pase completo por el cargador de datos de entrenamiento
Generalización: el modelo funciona bien con datos no vistos

Cargador de datos

# Iterate over the dataloader
for batch_inputs, batch_labels in dataloader:
    print('batch_inputs:', batch_inputs)
    print('batch_labels:', batch_labels)

batch_inputs: tensor([[1, 0, 0, 1, 1, 4, 1],
        [1, 0, 0, 1, 0, 4, 1]])
batch_labels: tensor([1, 1])

batch_inputs: tensor([[0, 1, 1, 0, 1, 2, 1],
        [0, 0, 1, 0, 1, 4, 1]])
batch_labels: tensor([0, 2])

batch_inputs: tensor([[0, 1, 1, 0, 0, 2, 1]])
batch_labels: tensor([0])

¡Vamos a practicar!

Introducción al aprendizaje profundo con PyTorch