mindspore.dataset.ArgoverseDataset
- class mindspore.dataset.ArgoverseDataset(data_dir, column_names='graph', num_parallel_workers=1, shuffle=None, python_multiprocessing=True, perf_mode=True)[源代码]
加载argoverse数据集并进行图（Graph）初始化。
Argoverse数据集是自动驾驶领域的公共数据集，当前实现的 ArgoverseDataset 主要用于加载argoverse数据集中运动预测（Motion Forecasting）场景的数据集，具体信息可访问官网了解： https://www.argoverse.org/av1.html#download-link。
- 参数：
data_dir (str) - 加载数据集的目录，这里包含原始格式的数据，并将在 process 方法中被加载。
column_names (Union[str, list[str]]，可选) - dataset包含的单个列名或多个列名组成的列表。默认值：’Graph’。当实现类似 __getitem__ 等方法时，列名的数量应该等于该方法中返回数据的条数，如下述示例，建议初始化时明确它的取值如：column_names=[“edge_index”, “x”, “y”, “cluster”, “valid_len”, “time_step_len”]。
num_parallel_workers (int, 可选) - 指定读取数据的工作进程数/线程数（由参数 python_multiprocessing 决定当前为多进程模式或多线程模式）。默认值：1。
shuffle (bool，可选) - 是否混洗数据集。当实现的Dataset带有可随机访问属性（ __getitem__ ）时，才可以指定该参数。默认值：None。
python_multiprocessing (bool，可选) - 启用Python多进程模式加速运算。默认值：True。当传入 source 的Python对象的计算量很大时，开启此选项可能会有较好效果。
perf_mode (bool，可选) - 遍历创建的dataset对象时获得更高性能的模式（在此过程中将调用 __getitem__ 方法）。默认值：True，将Graph的所有数据（如边的索引、节点特征和图的特征）都作为图特征进行存储。
- 异常：
TypeError - 如果 data_dir 不是str类型。
TypeError - 如果 num_parallel_workers 不是int类型。
TypeError - 如果 shuffle 不是bool类型。
TypeError - 如果 python_multiprocessing 不是bool类型。
TypeError - 如果 perf_mode 不是bool类型。
RuntimeError - 如果 data_dir 无效或不存在。
ValueError - num_parallel_workers 参数超过系统最大线程数。
关于Argoverse数据集：
Argoverse是第一个包含高精地图的数据集，它包含了290KM的带有几何形状和语义信息的高精度地图数据。
可以将数据集文件解压缩到以下结构中，并通过MindSpore的API读取：
. └── argoversedataset_dir ├── train │ ├──... ├── val │ └──... ├── test │ └──...引用：
@inproceedings{Argoverse, author = {Ming-Fang Chang and John W Lambert and Patsorn Sangkloy and Jagjeet Singh and Slawomir Bak and Andrew Hartnett and De Wang and Peter Carr and Simon Lucey and Deva Ramanan and James Hays}, title = {Argoverse: 3D Tracking and Forecasting with Rich Maps}, booktitle = {Conference on Computer Vision and Pattern Recognition (CVPR)}, year = {2019} }
样例：
>>> from mindspore.dataset import ArgoverseDataset >>> >>> argoverse_dataset_dir = "/path/to/argoverse_dataset_directory" >>> graph_dataset = ArgoverseDataset(data_dir=argoverse_dataset_dir, ... column_names=["edge_index", "x", "y", "cluster", "valid_len", ... "time_step_len"]) >>> for item in graph_dataset.create_dict_iterator(output_numpy=True, num_epochs=1): ... pass
- load()
从给定（处理好的）路径加载数据，也可以在自己实现的Dataset类中实现这个方法。
- process()[源代码]
针对argoverse数据集的处理方法，基于加载上来的原始数据集创建很多子图。 数据预处理方法主要参考：https://github.com/xk-huang/yet-another-vectornet/blob/master/dataset.py。
- save()
将经过 process 函数处理后的数据以 numpy.npz 格式保存到磁盘中，也可以在自己实现的Dataset类中自己实现这个方法。
预处理操作
对数据集对象执行给定操作函数。 |
|
对传入的多个数据集对象进行拼接操作。 |
|
通过自定义判断条件对数据集对象中的数据进行过滤。 |
|
对数据集对象中每一条数据执行给定的数据处理，并将结果展平。 |
|
给定一组数据增强列表，按顺序将数据增强作用在数据集对象上。 |
|
从数据集对象中选择需要的列，并按给定的列名的顺序进行排序。 |
|
对数据集对象按指定的列名进行重命名。 |
|
重复此数据集 count 次。 |
|
重置下一个epoch的数据集对象。 |
|
将数据处理管道中正处理的数据保存为通用的数据集格式。 |
|
通过创建 buffer_size 大小的缓存来混洗该数据集。 |
|
跳过此数据集对象的前 count 条数据。 |
|
将数据集拆分为多个不重叠的子数据集。 |
|
从数据集中获取最多 count 的元素。 |
|
将多个dataset对象按列进行合并压缩，多个dataset对象不能有相同的列名。 |
Batch（批操作）
将数据集中连续 batch_size 条数据组合为一个批数据，并可通过可选参数 per_batch_map 指定组合前要进行的预处理操作。 |
|
根据数据的长度进行分桶。 |
|
将数据集中连续 batch_size 条数据组合为一个批数据，并可通过可选参数 pad_info 预先将样本补齐。 |
迭代器
基于数据集对象创建迭代器。 |
|
基于数据集对象创建迭代器。 |
数据集属性
获得数据集对象定义的批处理大小，即一个批处理数据中包含的数据条数。 |
|
返回类别索引。 |
|
返回数据集对象中包含的列名。 |
|
返回一个epoch中的batch数。 |
|
获取 RepeatDataset 中定义的repeat操作的次数。 |
|
获取/设置数据列索引，它表示使用下沉模式时数据列映射至网络中的对应关系。 |
|
获取数据集对象中所有样本的类别数目。 |
|
获取数据集对象中每列数据的shape。 |
|
获取数据集对象中每列数据的数据类型。 |
应用采样方法
为当前数据集添加子采样器。 |
|
替换当前数据集的最末子采样器，保持父采样器不变。 |
其他方法
将数据异步传输到Ascend/GPU设备上。 |
|
释放阻塞条件并使用给定数据触发回调函数。 |
|
为同步操作在数据集对象上添加阻塞条件。 |
|
将数据处理管道序列化为JSON字符串，如果提供了文件名，则转储到文件中。 |