fluid.dataset¶
DatasetFactory¶
DatasetFactory是一个按数据集名称创建数据集的 "工厂",可以创建“QueueDataset”,“InMemoryDataset”或“FileInstantDataset”,默认为“QueueDataset”。
代码示例
import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
-
create_dataset
(datafeed_class='QueueDataset')¶
创建“QueueDataset”,“InMemoryDataset” 或 “FileInstantDataset”,默认为“QueueDataset”。
- 参数:
- datafeed_class (str) – datafeed类名,为QueueDataset或InMemoryDataset。默认为QueueDataset。
代码示例:
import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset()
InMemoryDataset¶
InMemoryDataset会向内存中加载数据并在训练前缓冲数据。此类由DatasetFactory创建。
代码示例:
dataset = paddle.fluid.DatasetFactory().create_dataset(“InMemoryDataset”)
-
load_into_memory
()¶
向内存中加载数据。
代码示例:
import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset.set_filelist(filelist)
dataset.load_into_memory()
-
local_shuffle
()¶
局域shuffle。
代码示例:
import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset.set_filelist(filelist)
dataset.load_into_memory()
dataset.local_shuffle()
-
global_shuffle
(fleet=None)¶
全局shuffle。
只能用在分布式模式(单机多进程或多机多进程)中。您如果在分布式模式中运行,应当传递fleet而非None。
代码示例:
import paddle.fluid as fluid
from paddle.fluid.incubate.fleet.parameter_server.pslib import fleet
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset.set_filelist(filelist)
dataset.load_into_memory()
dataset.global_shuffle(fleet)
- 参数:
- fleet (Fleet) – fleet单例。默认为None。
-
release_memory
()¶
当数据不再使用时,释放InMemoryDataset内存数据。
代码示例:
import paddle.fluid as fluid
from paddle.fluid.incubate.fleet.parameter_server.pslib import fleet
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset.set_filelist(filelist)
dataset.load_into_memory()
dataset.global_shuffle(fleet)
exe = fluid.Executor(fluid.CPUPlace())
exe.run(fluid.default_startup_program())
exe.train_from_dataset(fluid.default_main_program(), dataset)
dataset.release_memory()
-
get_memory_data_size
(fleet=None)¶
用户可以调用此函数以了解加载进内存后所有workers中的ins数量。
注解
该函数可能会导致性能不佳,因为它具有barrier。
- 参数:
- fleet (Fleet) – fleet对象。
返回:内存数据的大小。
代码示例:
import paddle.fluid as fluid
from paddle.fluid.incubate.fleet.parameter_server.pslib import fleet
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset.set_filelist(filelist)
dataset.load_into_memory()
print dataset.get_memory_data_size(fleet)
-
get_shuffle_data_size
(fleet=None)¶
获取shuffle数据大小,用户可以调用此函数以了解局域/全局shuffle后所有workers中的ins数量。
注解
该函数可能会导致局域shuffle性能不佳,因为它具有barrier。但其不影响局域shuffle。
- 参数:
- fleet (Fleet) – fleet对象。
返回:shuffle数据的大小。
代码示例:
import paddle.fluid as fluid
from paddle.fluid.incubate.fleet.parameter_server.pslib import fleet
dataset = fluid.DatasetFactory().create_dataset("InMemoryDataset")
filelist = ["a.txt", "b.txt"]
dataset.set_filelist(filelist)
dataset.load_into_memory()
dataset.global_shuffle(fleet)
print dataset.get_shuffle_data_size(fleet)
QueueDataset¶
流式处理数据。
代码示例:
import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset("QueueDataset")
-
local_shuffle
()
局域shuffle数据
QueueDataset中不支持局域shuffle,可能抛出NotImplementedError
代码示例:
import paddle.fluid as fluid
dataset = fluid.DatasetFactory().create_dataset("QueueDataset")
dataset.local_shuffle()
-
global_shuffle
(fleet=None)
全局shuffle数据
QueueDataset中不支持全局shuffle,可能抛出NotImplementedError
代码示例:
import paddle.fluid as fluid
from paddle.fluid.incubate.fleet.parameter_server.pslib import fleet
dataset = fluid.DatasetFactory().create_dataset("QueueDataset")
dataset.global_shuffle(fleet)