mindspore.dataset.SubsetRandomSampler

查看源文件
class mindspore.dataset.SubsetRandomSampler(indices, num_samples=None)[源代码]

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。

参数:
  • indices (Iterable) - 样本索引的序列(除了string类型外的任意Python可迭代对象类型)。

  • num_samples (int, 可选) - 获取的样本数,可用于部分获取采样得到的样本。默认值: None ,获取采样到的所有样本。

异常:
  • TypeError - indices 的类型不是int。

  • TypeError - num_samples 的类型不是int。

  • ValueError - num_samples 为负值。

样例:

>>> import mindspore.dataset as ds
>>> indices = [0, 1, 2, 3, 7, 88, 119]
>>>
>>> # create a SubsetRandomSampler, will sample from the provided indices
>>> sampler = ds.SubsetRandomSampler(indices)
>>> data = ds.ImageFolderDataset(image_folder_dataset_dir, num_parallel_workers=8, sampler=sampler)
add_child(sampler)

为给定采样器添加子采样器。子采样器接收父采样器输出数据作为输入,并应用其采样逻辑返回新的采样结果。

参数:

样例:

>>> import mindspore.dataset as ds
>>> sampler = ds.SequentialSampler(start_index=0, num_samples=3)
>>> sampler.add_child(ds.RandomSampler(num_samples=4))
>>> dataset = ds.Cifar10Dataset(cifar10_dataset_dir, sampler=sampler)
get_child()

获取给定采样器的子采样器。

返回:

Sampler,给定采样器的子采样器。

样例:

>>> import mindspore.dataset as ds
>>> sampler = ds.SequentialSampler(start_index=0, num_samples=3)
>>> sampler.add_child(ds.RandomSampler(num_samples=2))
>>> child_sampler = sampler.get_child()