大家好，又见面了，我是你们的朋友全栈君。
H5文件读取：
代码语言：javascript复制import torch.utils.data as data
import torch
import h5py
class DatasetFromHdf5(data.Dataset):
def __init__(self, file_path):
super(DatasetFromHdf5, self).__init__()
hf = h5py.File(file_path)
self.data = hf.get('data')
self.target = hf.get('label')
def __getitem__(self, index):
return torch.from_numpy(self.data[index,:,:,:]).float(), torch.from_numpy(self.target[index,:,:,:]).float()
def __len__(self):
return self.data.shape[0]调用的时候，先用DataLoader将数据装入 training_data_loader中
代码语言：javascript复制 train_set = DatasetFromHdf5(r"D:PycharmProjectspytorch-vdsr-masterdatatrain.h5")
training_data_loader = DataLoader(dataset=train_set, num_workers=opt.threads, batch_size=opt.batchSize, shuffle=True)在使用数据训练的时候写一个循环，iteration只是一个计数的，从1开始计数，表示已经取第iteration个批次了，batch就是每次取出一个批次的数值。
input和target是取出的输入和希望得到的输出，这里的返回顺序是在上边的DatasetFromHdf5中定义的。
代码语言：javascript复制 def __getitem__(self, index):
return torch.from_numpy(self.data[index,:,:,:]).float(), torch.from_numpy(self.target[index,:,:,:]).float()所以batch[0]表示input(也就是存储的data)，batch[1]表示label(也就是label)。 index在这里应该是每次按第一个维度取出data中的数值。data[index,:,:,:]，本来是维度是1000×1×41×41，每次取的是1×1×41×41。按照batch来，每次取出的就是batch×1×41×41
代码语言：javascript复制 for iteration, batch in enumerate(training_data_loader, 1):
input, target = Variable(batch[0]), Variable(batch[1], requires_grad=False)版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
