比较与torchtext.datasets.IMDB的差异

torchtext.datasets.IMDB

class torchtext.datasets.IMDB(
    root: str = '.data',
    split: Union[List[str], str] = ('train', 'test'))

更多内容详见torchtext.datasets.IMDB。

mindspore.dataset.IMDBDataset

class mindspore.dataset.IMDBDataset(
    dataset_dir,
    usage=None,
    num_samples=None,
    num_parallel_workers=None,
    shuffle=None,
    sampler=None,
    num_shards=None,
    shard_id=None,
    cache=None)

更多内容详见mindspore.dataset.IMDBDataset。

差异对比

PyTorch：读取IMDB数据集。

MindSpore：读取IMDB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	-	num_samples	指定从数据集中读取的样本数
	参数4	-	num_parallel_workers	指定读取数据的工作线程数
	参数5	-	shuffle	指定是否混洗数据集
	参数6	-	sampler	指定采样器
	参数7	-	num_shards	指定分布式训练时将数据集进行划分的分片数
	参数8	-	shard_id	指定分布式训练时使用的分片ID号
	参数9	-	cache	指定单节点数据缓存服务

代码示例

# PyTorch
import torchtext.datasets as datasets
from torch.utils.data import DataLoader

root = "/path/to/dataset_directory/"
dataset = datasets.IMDB(root, split=('train', 'test'))
dataloader = DataLoader(dataset)

# MindSpore
import mindspore.dataset as ds

# Download IMDB dataset files, unzip into the following structure
# .
# └── /path/to/dataset_directory/
#      ├── train
#      │    ├── pos
#      │    │    ├── 0_9.txt
#      │    │    ├── 1_7.txt
#      │    │    ├── ...
#      │    ├── neg
#      │    │    ├── 0_3.txt
#      │    │    ├── 1_1.txt
#      │    │    ├── ...
#      ├── test
#      │    ├── pos
#      │    │    ├── 0_10.txt
#      │    │    ├── 1_10.txt
#      │    │    ├── ...
#      │    ├── neg
#      │    │    ├── 0_2.txt
#      │    │    ├── 1_3.txt
#      │    │    ├── ...
root = "/path/to/dataset_directory/"
ms_dataloader = ds.IMDBDataset(root, usage='all')