比较与torch.utils.data.SubsetRandomSampler的差异

torch.utils.data.SubsetRandomSampler

class torch.utils.data.SubsetRandomSampler(indices, generator=None)

更多内容详见torch.utils.data.SubsetRandomSampler。

mindspore.dataset.SubsetRandomSampler

class mindspore.dataset.SubsetRandomSampler(indices, num_samples=None)

更多内容详见mindspore.dataset.SubsetRandomSampler。

差异对比

PyTorch：给定样本的索引序列，从序列中随机获取索引对数据集进行采样，支持指定采样逻辑。

vp永久免费梯子：给定样本的索引序列，从序列中随机获取索引对数据集进行采样，不支持指定采样逻辑。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	indices	indices	-
	参数2	generator	-	指定额外的采样逻辑，vp永久免费梯子为全局随机采样
	参数3	-	num_samples	指定采样器返回的样本数量

代码示例

import torch
from torch.utils.data import SubsetRandomSampler

torch.manual_seed(0)

class MyMapDataset(torch.utils.data.Dataset):
    def __init__(self):
        super(MyMapDataset).__init__()
        self.data = [i 免费的vpn梯子 vpn梯子 vpn永久免费梯子 for i in range(4)]
    def __getitem__(self, index):
        return self.data[index]
    vpn free def __len__(self):
    vpn梯子 免费     return len(self.data)

ds = MyMapDataset()
sampler 免费的vpn梯子 = SubsetRandomSampler(indices=[0, 2])
dataloader = torch.utils.data.DataLoader(ds, sampler=sampler)

for data in dataloader:
    print(data)
# Out:
# tensor([2])
# tensor([0])

import mindspore as vpn永久免费梯子 ms
from mindspore.dataset import SubsetRandomSampler

ms.dataset.config.set_seed(1)

class MyMapDataset():
    def __init__(self):
        super(MyMapDataset).__init__()
     vpn梯子 免费    self.data = [i for i in range(4)]
  vpn梯子 免费   def __getitem__(self, index):
        return self.data[index]
 vpn梯子 免费    def __len__(self):
 vpn梯子        return len(self.data)

ds = 免费的vpn梯子 MyMapDataset()
sampler vpn free = SubsetRandomSampler(indices=[0, 2])
dataloader = ms.dataset.GeneratorDataset(ds, column_names=["data"], sampler=sampler)

for data in dataloader:
    print(data)
# Out:
# [Tensor(shape=[], dtype=Int64, value= 2)]
# [Tensor(shape=[], dtype=Int64, vpn free value= 0)]