我有以下代码:
import torch
import numpy as np
import pandas as pd
from torch.utils.data import TensorDataset, DataLoader
# Load dataset
df = pd.read_csv(r'../iris.csv')
# Extract features and target
data = df.drop('target',axis=1).values
labels = df['target'].values
# Create tensor dataset
iris = TensorDataset(torch.FloatTensor(data),torch.LongTensor(labels))
# Create random batches
iris_loader = DataLoader(iris, batch_size=105, shuffle=True)
next(iter(iris_loader))
next()
和iter()
在上面的代码中做了什么?我浏览了 PyTorch 的文档,但仍然不太明白 next()
和 iter()
在这里做什么。谁能帮忙解释一下?非常感谢。
这些是 python 的内置函数,它们用于处理可迭代对象。
基本上
iter()
调用 __iter__()
上的 iris_loader
方法,它返回一个迭代器。 next()
然后调用该迭代器上的 __next__()
方法以获得第一次迭代。再次运行next()
会得到迭代器的第二项,以此类推
这种逻辑经常发生在“幕后”,例如在运行
for
循环时。它在可迭代对象上调用 __iter__()
方法,然后在返回的迭代器上调用 __next__()
直到它到达迭代器的末尾。然后它会引发一个stopIteration
并且循环停止。
有关详细信息和一些细微差别,请参阅文档:https://docs.python.org/3/library/functions.html#iter