文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore_gl.dataloader

class mindspore_gl.dataloader.Dataset

可映射数据集定义，用抽象类表示数据集。 所有数据集都应该是它的子类，它代表一个从key到样本的映射关系。 所有子类都应该重写 __getitem__，实现根据key来获取样本。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gl.dataloader import Dataset
>>> class MyDataset(Dataset):
>>>    def __init__(self, *args, **kwargs):
>>>         ...
>>> my_dataset = MyDataset()

class mindspore_gl.dataloader.RandomBatchSampler(data_source, batch_size)

随机批处理节点采样器。随机采样节点形成图形。残留的样本将被丢弃。

参数：

• data_source (Union[List, Tuple, Iterable]) - 采样数据的来源。

• batch_size (int) - 每批次采样子图的数量。

异常：

• TypeError - 如果 batch_size 不是正整数。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gl.dataloader.samplers import RandomBatchSampler
>>> ds = list(range(10))
>>> sampler = RandomBatchSampler(ds, 3)
>>> print(list(sampler))
# results will be random for suffle
[[5, 9, 3], [4, 6, 7], [2, 8, 1]]

mindspore_gl.dataloader.split_data(x, val_ratio=0.05, test_ratio=0.1, graph_type='undirected')

根据用户输入的比例，将训练集切割成训练集、验证集和测试集，并对训练集进行图重构，然后返回。

参数：

• x (mindspore_gl.dataloader.Dataset) - 图结构数据集。

• val_ratio (float, 可选) - 验证集比例。默认值：0.05。

• test_ratio (float, 可选) - 测试集比例。默认值：0.1。

• graph_type (str, 可选) - 图的类型。’undirected’：无向图，’directed’：有向图。默认值：’undirected’。

返回：

• train (numpy.ndarray) - 训练集，shape $(train\mathrm{\_}len,2)$ 。

• val (numpy.ndarray) - 验证集，shape $(val\mathrm{\_}len,2)$ 。

• test (numpy.ndarray) - 测试集，shape $(test\mathrm{\_}len,2)$ 。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gl.dataloader import split_data
>>> from mindspore_gl.dataset import CoraV2
>>> ds = CoraV2('data_path')
>>> adj_coo, (train, val, test) = split_data(ds)
>>> print(train.shape, val.shape, test.shape)
(11684, 2) (263, 2) (527, 2)