PyTorch DataLoader随机播放

Question

我做了一个实验，并没有得到我所期望的结果。

对于第一部分，我使用

trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, 
                                          shuffle=False, num_workers=0)

在训练模型之前，我将trainloader.dataset.targets保存到变量a，将trainloader.dataset.data保存到变量b。然后，我使用trainloader训练模型。

训练完成后，我将trainloader.dataset.targets保存到变量c，将trainloader.dataset.data保存到变量d。最后，我检查了a == c和b == d，它们都给出了True，这是预期的，因为DataLoader的shuffle参数是False。

对于第二部分，我将使用

trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, 
                                          shuffle=True, num_workers=0)

在训练模型之前，我将trainloader.dataset.targets保存到变量e，将trainloader.dataset.data保存到变量f。然后，我使用trainloader训练模型。训练完成后，我将trainloader.dataset.targets保存到变量g，将trainloader.dataset.data保存到变量h。我预计e == g和f == h在shuffle=True之后都会成为False，但他们又给了True。我在DataLoader类的定义中遗漏了什么？

Answer 1

我相信直接存储在trainloader.dataset.data或.target中的数据不会被打乱，只有当DataLoader作为生成器或迭代器被调用时，数据才会被打乱

你可以通过执行next(iter(训练加载器))来检查它，不使用洗牌和使用洗牌，它们应该会给出不同的结果

import torch
import torchvision

transform = torchvision.transforms.Compose([
        torchvision.transforms.ToTensor(),
        ])
MNIST_dataset = torchvision.datasets.MNIST('~/Desktop/intern/',download = True, train = False,
                                           transform = transform)
dataLoader = torch.utils.data.DataLoader(MNIST_dataset,
                                         batch_size = 128,
                                         shuffle = False,
                                         num_workers = 10)
target = dataLoader.dataset.targets


MNIST_dataset = torchvision.datasets.MNIST('~/Desktop/intern/',download = True, train = False,
                                           transform = transform)

dataLoader_shuffled= torch.utils.data.DataLoader(MNIST_dataset,
                                         batch_size = 128,
                                         shuffle = True,
                                         num_workers = 10)

target_shuffled = dataLoader_shuffled.dataset.targets

print(target == target_shuffled)

_, target = next(iter(dataLoader));
_, target_shuffled = next(iter(dataLoader_shuffled))

print(target == target_shuffled)

这将提供：

tensor([True, True, True,  ..., True, True, True])
tensor([False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False,  True,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False,  True, False, False, False, False, False,
        False,  True, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False,  True,  True, False, False, False, False,
        False, False, False, False, False, False, False, False, False, False,
        False, False, False, False, False,  True, False, False,  True, False,
        False, False, False, False, False, False, False, False])

然而，数据和目标中存储的数据和标签是一个固定的列表，由于您正尝试直接访问它，因此它们不会被打乱。

Answer 2

我在使用Dataset类加载数据时遇到了类似的问题。我不再使用Dataset类加载数据，而是使用以下代码，它对我来说工作得很好

X = torch.from_numpy(X)
y = torch.from_numpy(y)

train_data = torch.utils.data.TensorDataset(X, y)
train_loader = torch.utils.data.DataLoader(train_data, batch_size=32, shuffle=True)

其中X和Y是csv文件中的数值数组。