比较与torchtext.datasets.IWSLT2016的差异

torchtext.datasets.IWSLT2016

class torchtext.datasets.IWSLT2016(
    root: str = '.data',
    split: Union[List[str], str] = ('train', 'valid', 'test'),
    language_pair: Sequence =('de', 'en'),
    valid_set: str ='tst2013',
    test_set: str ='tst2014')

更多内容详见torchtext.datasets.IWSLT2016。

mindspore.dataset.IWSLT2016Dataset

class mindspore.dataset.IWSLT2016Dataset(
    dataset_dir,
    usage=None,
    language_pair=None,
    valid_set=None,
    test_set=None,
    num_samples=None,
    num_parallel_workers=None,
    shuffle=Shuffle.GLOBAL,
    num_shards=None,
    shard_id=None,
    cache=None)

更多内容详见mindspore.dataset.IWSLT2016Dataset。

差异对比

PyTorch：读取IWSLT2016数据集。

MindSpore：读取IWSLT2016数据集，不支持下载。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	root	dataset_dir	-
	参数2	split	usage	-
	参数3	language_pair	language_pair	-
	参数4	valid_set	valid_set	-
	参数5	test_set	test_set	-
	参数6	-	num_samples	指定从数据集中读取的样本数
	参数7	-	num_parallel_workers	指定读取数据的工作线程数
	参数8	-	shuffle	指定是否混洗数据集
	参数9	-	num_shards	指定分布式训练时将数据集进行划分的分片数
	参数10	-	shard_id	指定分布式训练时使用的分片ID号
	参数11	-	cache	指定单节点数据缓存服务

代码示例

# PyTorch
import torchtext.datasets as datasets

root = "/path/to/dataset_root/"
train_iter, valid_iter, test_iter = datasets.IWSLT2016(root, split=('train', 'valid', 'test'))
data = next(iter(train_iter))

# MindSpore
import mindspore.dataset as ds

# Download IWSLT2016 dataset files, unzip into the following structure
# .
# └── /path/to/dataset_directory/
#      ├── subeval_files
#                └── texts
#                    ├── ar
#                    │    └── en
#                    │        └── ar-en
#                    ├── cs
#                    │    └── en
#                    │        └── cs-en
#                    ├── de
#                    │    └── en
#                    │        └── de-en
#                    │            ├── IWSLT16.TED.dev2010.de-en.de.xml
#                    │            ├── train.tags.de-en.de
#                    │            ├── ...
#                    ├── en
#                    │    ├── ar
#                    │    │   └── en-ar
#                    │    ├── cs
#                    │    │   └── en-cs
#                    │    ├── de
#                    │    │   └── en-de
#                    │    └── fr
#                    │        └── en-fr
#                    └── fr
#                        └── en
#                            └── fr-en2
root = "/path/to/dataset_directory/"
dataset = ds.IWSLT2016Dataset(root, usage='all')
data = next(iter(dataset))