torchnet package (1)
torchnet
torchnet是用于torch的代码复用和模块化编程的框架,主要包含四个类
Dataset 以不同的方式对数据进行预处理
Engine 训练/测试机器学习方法
Meter 评估方法性能
Log 日志
Documentation
torchnet的调用
local tnt = require 'torchnet'
tnt.Dataset()
torchnet提供了多种即插即用的数据容器(data container),例如 concat,split,batch,resample,etc ... 操作。
tnt.Dataset()实例包含两种主要方法dataset:size() 返回数据集的大小
dataset:get(idx) 其中idx是1到size中的数字,返回数据集的第idx个样本
尽管可以简单的通过for loop循环实现数据集的迭代,为了用户能够以on-the-fly manner找出某些样本或者并行的数据读取,torchnet还提供了一些DatasetIterator类型的迭代器
在torchnet中,dataset:get()返回的可以是一个Lua table。table中的阈值可以是任意的,即使大多数的数据集都是tensor类型。
需要注意的是,并不能直接的使用tnt.Dataset()创建该类型,该类型类似于一个抽象类,其下面的具体类包括batchdataset,splitdataset等
-tnt.ListDataset(self,list,load,[,path])
参数:self = tnt.ListDataset list = tds.Hash load = function [path = string] 其中list可以是tds.Hash,table或者torch.LongTensor类型,当访问第i个样本时返回的是load(list[i]),这里load() 是由user提供的闭包函数 当path参数非空的时候,list对应的应该是string队列,这样传递给load()函数的参数自动加上path前缀,比如访问文件夹'd:/data/mot2015/'下的数据时,不同的子数据集存放在不同的文件里'1.txt','2.txt','3.txt',...这时候 list={'1.txt','2.txt',...},path='d:/data/mot2015/',那么load(x)内的x=path .. x- a={ { 1,2,3},{ 2,3,4},{ 2,2,2}}
- b=torch.Tensor(a)
- f=tnt.ListDataset({list=b:long(),function(x) return x:sum() end})
- print(f:size()) -- 3
- print(f:get(1)) -- 6
注意list只能是hash,table或者longtensor这里容易出现错误的是习惯使用:long()将tensor类型转换,但是对于元素含小数部分的tensor直接类型转换会出现错误!
-
tnt.ListDataset(self,filename,load[,maxload][,path])
参数: self = tnt.ListDataset filename = string 这里filename指定的文件的每一行都是list的一个元素,类似于io.lines(filename) load = function 闭包函数 [maxload = number] 最大加载条目数 [path = string] 同之前 -
tnt.TableDataset(self,data)
参数: data = table 针对于小型数据集,data必须Hash索引,对data数据浅层拷贝
- a= tnt.TableDataset{data={1,2,3}}
- print(a:get(1))
tnt.TableDataset假定table中key从1连续
tnt.TransformDataset(self,dataset,transform[,key])
参数: self = tnt.TransformDataset dataset = tnt.Dataset transform = function -- 变换函数 [key = string] -- 需要变换的key值,如果没有则对dataset中所有数据操作 当使用tnt.Dataset:get()查询数据集中的数据时,tnt.TransformDataset()以on-the-fly 方式执行闭包函数transform并返回值。 on-the-fly我的理解是不需要中断过程去执行闭包函数,不涉及从内存中读取数据,而是直接通过cache形式执行,速度很快
- a=torch.Tensor{ { 1,2,3,4},{ 2,3,4,4}}:long()
- ldata=tnt.ListDataset({list=a,load=function(x) return x end})
- tdata=tnt.TransformDataset({dataset=ldata,transform=function(x) return x-10 end})
- print(tdata:get(1))
-- tnt.TransformDataset(self,dataset,transforms)
注意这个方法是transforms 是一个table,table中的键值对应着dataset[list[i]]的域,如果我们使用tnt.TableDataset{ {a=1,b=2,c=3},{a=0,b=3,c=5}}创建Dataset,如下- Tdata = tnt.TableDataset{data={ {a=1,b=2,c=3},{a=0,b=3,c=5}}}
- f=tnt.TransformDataset({dataset = Tdata,transforms={a=function(x) return 2*x end,b=function(x) return x-20 end}})
- f:get(1) -- 这时候输出{a:2 b:-18 c:3},即Tdata[i]的域a执行了transforms.a函数,域b执行transforms.b函数
-- tnt.BatchDataset(self,dataset,batchsize[,perm][,merge][,policy][,filter])
参数:self = tnt.BatchDataset dataset = tnt.Dataset batchsize = number [perm = function] [merge = function] [policy = string] [filter = function] 功能:将dataset中的batchsize个样本组成一个样本,方便batch处理 merge函数主要是将batchsize个样本的不同域组合起来,比如数据集的第i个样本写作{input = <input_i>,target = <target_i>}
那么merge()使数据组合为 - {<input_i_1>,<ingput_i_2>,... <input_i_n>} 和 {<target_i_1>,<target_i_2>,... <target_i_n>}
- ldata = tnt.ListDataset({
- list = torch.range(1,40):long(),
- load = function(x) return {input={torch.randn(2,2),torch.randn(3,3)},target =x,target_t = -x } end
- })
- bdata = tnt.BatchDataset{
- dataset = ldata,
- batchsize=10
- }
- print(bdata:size()) --输出 4
- print(bdata:get(1)) -- 输出第一个batch,包含3个field:target,input,target_t
- print(bdata:get(1).input[1]) -- 输出一个input元素
batch方式操作时,shuffle很重要,所以perm(idx,size)是一个闭包函数,该函数返回shuffle之后idx位置索引的样本,size是dataset的大小。
dataset的size可能不能被batchsize整除,于是 policy指定了截取方式 * include-last 不能整除的最后一个batch大小非必要等于batchsize * skip-last 最后余出的部分样本舍掉,这并不意味着那些样本就不用了,因为shuffle后的样本排序不定 * divisible-only 不能整除则报错-
tnt.CoroutineBatchDataset(self,dataset,batchsize[,perm][,merge][,policy][,filter])
该方法和BatchDataset方法参数完全一致,实现的功能也几乎一致,唯一不同的地方是该方法可以用于协同程序,用到的时候再看吧。。。 -
tnt.ConcatDataset(self,datasets)
参数: self= tnt.ConcatDataset dataset = table 功能:将table中的数据集concate -
tnt.ResampleDataset(self,dataset[,sampler][,size])
给定一个数据集dataset,然后通过sampler(dataset,idx)闭包函数重采样获得新的数据集,size可以指定resample数据集的大小,若没指定则与原来的dataset大小相同,通过源码我们可以看到sampler这个函数其实是用来实现idx的改变
- ldata = tnt.ListDataset{list = torch.range(1,40):long(),
- load = function(x) return {input={torch.randn(2,2),torch.randn(3,3)},target =x,target_t = -x } end}
- iidx = tnt.transform.randperm(ldata:size())
- rdata = tnt.ResampleDataset{dataset = ldata,sampler = function(dataset,idx) return iidx(idx) end} --这其实实现了shuffle功能
- print(rdata:get(1))
-
tnt.ShuffleDataset(self,dataset[,size][,replacement])
实现dataset的shuffle,如果replacement=true,那么指定的size可以大于dataset:size(),大于的部分通过redraw获得 tnt.ShuffleDataset.resample(self) 通过该函数在构建ShuffleDataset时就创建fixed的permutation,能够保证多次index同一个值得到的结果相同 -
tnt.SplitDataset(self,dataset,partitions[,initialpartition])
partitions = table [initialpartition = string] partitions是一个lua table,table中的元素<key,value>,key是对应partition的名,value是一个0-1的数表示取dataset:size()的比例,或者直接是个number表示对应partitions的大小,initialpartition指定了初始化时加载的partition注意 ,该方法在交叉验证时,用起来很爽 tnt.SplitDataset.select(self,partition) 改变当前选择的partition
- sdata = tnt.SplitDataset{data=ldata,partitions={train=0.5,ver=0.25,test=0.25}}
- sdata:select('train') --因为没有指定initialpartition所以需要指定当前的partition才能访问,当指定initialpartition后,该行可以不要,如 sdata = tnt.SplitDataset{data=ldata,partitions={train=0.5,ver=0.25,test=0.25},initialpartitial='train'}
- print(sdata:get(1))
- print(sdata:size())
tnt.utils
torchnet提供了许多工具函数
tnt.utils.table.clone(table) 实现table的深度拷贝
tnt.utils.table.merge(dst,src) 将src合并到dst中,实现的是浅层拷贝,如果src中的key在dst中已经存在,则覆盖dst中的key值
- src={ { 1,2,3},{ 4,5,6}}
- dst1={}
- dst2={ { 1,2,3}}
- dst1=tnt.utils.table.clone(src)
- dst1[1][2]=10
- print(dst1) -- 此时dst1[1][2]=10
- print(src) -- src[1][2]=2
- tnt.utils.table.merge(dst2,src)
- dst2[1][2]=10
- print(dst2) -- dst2[1][2]=10
- print(src) -- src[1][2]=10
- src={a={ 1,2,3},b={ 2,3,4}}
- dst1={c={ 2,2,2}}
- dst2={a={ 2,3}}
- tnt.utils.table.merge(dst1,src)
- tnt.utils.table.merge(dst2,src)
- print(dst1) -- dst1包含三个元素a,b,c
- print(dst2) -- dst2仅包含2个元素a,b,其中dst2中原来的a被src中的a覆盖
tnt.utils.table.foreach(tbl,closure[,recursive])
参数: tbl 是一个lua table; closure 闭包函数; [recursive = boolean] 默认值为false 功能: 对tbl中的每一个元素执行closure函数,如果recursive=true那么tbl将被递归的采用closure函数 示例:
- a={ { 1,2,3},{ 2,3,4},{ { 2,2,2},{ 1,1,1}}}
- fun = function(v)print('------');print(v)end
- tnt.utils.table.foreach(a,fun)
- tnt.utils.table.foreach(a,fun,true)
输出:
- ------
- {
- 1 : 1
- 2 : 2
- 3 : 3
- }
- ------
- {
- 1 : 2
- 2 : 3
- 3 : 4
- }
- ------
- {
- 1 :
- {
- 1 : 2
- 2 : 2
- 3 : 2
- }
- 2 :
- {
- 1 : 1
- 2 : 1
- 3 : 1
- }
- }
和
- ------
- 1
- ------
- 2
- ------
- 3
- ------
- 2
- ------
- 3
- ------
- 4
- ------
- 2
- ------
- 2
- ------
- 2
- ------
- 1
- ------
- 1
- ------
- 1
可以发现,recursive = true下递归调用表中元素,直至最里层的单个元素,而在false下,最外层table中每个元素作为输入参数输入到closure函数中
tnt.utils.table.canmergetensor(tbl)
tbl是否能够merge成一个tensor,table中元素是相同规模的tensor则可以mergetensortnt.utils.table.mergetensor(tbl)
将tbl中的元素合并成tensor
- a={torch.Tensor(3,2),torch.Tensor(3,3)}
- b={torch.Tensor(3):float(),torch.Tensor(3):double()}
- c={torch.Tensor(4),torch.Tensor(4)}
- var={a,b,c}
- for i=1,3 do
- if tnt.utils.table.canmergetensor(var[i]) then
- print(i)
- tnt.utils.table.mergetensor(var[i])
- end
- end
此时显示b,c可以mergetensor,说明只要tensor的规模相同就可以,与其type是否一致无关
tnt.transform
该package提供了数据的基本变换,这些变换有的直接作用在数据上,有的作用在数据结构上,使得操作tnt.Dataset非常方便
这些变换虽然都很简单,但是这些边还可以通过compose或者merge方式实现复杂的变换,compose就是将变换串起来,merge是将变换同时执行,返回每个变换的结果transform.identity(...)
该变换返回输入本身,这个暂时没想到使用的地方transform.compose(transforms)
其中参数transforms是一个函数列表,每个函数可以实现一种变换。注意该函数认为transforms中的函数是从1开始连续索引的,如果碰到不连续的了,那么只执行前面连续索引的变换
- transform=tnt.transform
- f=transform.compose({
- function(x) return 2*x end,
- function(x) return x+10 end,
- foo = function(x) return x/2 end
- })
- a={ 2,3,4}
- _ =tnt.utils.table.foreach(a,function(x) print(f(x)) end) 输出 14,16,18,即只执行了f中前两个变换
注意这里函数列表写成{[1]=function(x) return 2*x end,function(x) return x+10 end,foo = function(x) return x/2 end}则只执行第一个变换,因为key:[2]不存在
transform.merge(transforms)
transforms是一个变换函数列表,对于一个输入,该函数使该输入经过所有变换函数得到的结果merge成table输出
- f = transform.merge{
- [1] = function(x) return torch.Tensor{ 2*x} end,
- [2] = function(x) return torch.Tensor{x + 10} end,
- [3] = function(x) return torch.Tensor{x / 2} end,
- [4] = function(x) return torch.Tensor{x} end
- }
- f(3)
注意这个例子输出的是一个tensor,并不是doc中说的输出一个table,我觉得这个函数除了bug,transform.lua的第144行应该直接return newz就可以了,源代码中使用utils.table.mergetensor(newz)反而会导致合并出错,要想让源代码能执行就必须像上面我给的例子似的,函数返回的是同等规模的tensor,且函数列表中的index必须是从1开始连续索引,源代码要是不改这个函数还是得特别注意
transform.tableapply(transform)
这里的参数transform是一个变换函数,该变换作用于table变量
- a={ 1,2,3,4}
- f=transform.tableapply(function(x) return x*2 end)
- f(a)
transform.tablemergekeys()
得到的变换方法的输入必须是一个table的table
- x={ {input=1,target='a'},{input=2,target='b',flag='hard'}}
- transform.tablemergekeys(x)
注意这个源码也有问题,源码transform.lua中的243行中ipairs应该修改为pairs,否则给的例子运行不了,因为ipairs从1开始index到第一个非整数key就结束了
-
transform.randperm(size)
randperm()函数,注意该函数返回的是一个函数句柄,想要获得第i个值,应该用f=transform.randperm(10);f(i) -
trandform.normalize([threshold])
输入必须是一个tensor,该函数能够实现标准化,即中心化+归一化,参数threshold是一个number,只有标准差大于threshold时,tensor才会normalize
- a=torch.rand(2,3)*10
- print('the std of a is ' .. a:std())
- f=transform.normalize()
- print('the std of normalized a is ' .. f(a):std() .. ' and the mean is ' .. f(a):sum())