mindspore.dataset.DistributedSampler

class mindspore.dataset.DistributedSampler(num_shards, shard_id, shuffle=True, num_samples=None, offset=- 1)

分布式采样器，将数据集进行分片用于分布式训练。

参数：

• num_shards (int) - 数据集分片数量。

• shard_id (int) - 当前分片的分片ID，应在[0, num_shards-1]范围内。

• shuffle (bool, 可选) - 是否混洗采样得到的样本，默认值：True，混洗样本。

• 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。

• offset (int, 可选) - 分布式采样结果进行分配时的起始分片ID号，值不能大于参数 num_shards 。从不同的分片ID开始分配数据可能会影响每个分片的最终样本数。仅当ConcatDataset以DistributedSampler为采样器时，此参数才有效。默认值：-1，每个分片具有相同的样本数。

异常：

• TypeError - num_shards 的类型不是int。

• TypeError - shard_id 的类型不是int。

• TypeError - shuffle 的类型不是bool。

• TypeError - num_samples 的类型不是int。

• TypeError - offset 的类型不是int。

• ValueError - num_samples 为负值。

• RuntimeError - num_shards 不是正值。

• RuntimeError - shard_id 小于0或大于等于 num_shards 。

• RuntimeError - offset 大于 num_shards 。

样例：

>>> # creates a distributed sampler with 10 shards in total. This shard is shard 5.
>>> sampler = ds.DistributedSampler(10, 5)
>>> dataset = 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：

• sampler (Sampler) - 用于从数据集中选择样本的对象。仅支持内置采样器（DistributedSampler、PKSampler、RandomSampler、SequentialSampler、SubsetRandomSampler、WeightedRandomSampler）。

样例：

>>> 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：

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

get_num_samples()

返回采样器采集样本数量，如果存在子采样器，则子采样器计数可以是数值或None。这些条件会影响最终的采样结果。

下表显示了调用此函数的可能结果。

子采样器	num_samples	child_samples	结果
T	x	y	min(x, y)
T	x	None	x
T	None	y	y
T	None	None	None
None	x	n/a	x
None	None	n/a	None

返回：

int，样本数，可为None。

样例：

>>> sampler = ds.SequentialSampler(start_index=0, num_samples=3)
>>> num_samplers = sampler.get_num_samples()