我在使用mxnet
的基本IO时遇到问题。我试图使用mxnet.io.NDArrayIter
来读取内存中的数据集,以便在mxnet中进行培训。我有下面的代码(为了简洁起见,压缩了代码),它对代码进行预处理,并尝试遍历它(主要基于tutorial):
import csv
import mxnet as mx
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from sklearn.pipeline import Pipeline
with open('data.csv', 'r') as data_file:
data = list(csv.reader(data_file))
labels = np.array(map(lambda x: x[1], data)) # one-hot encoded classes
data = map(lambda x: x[0], data) # raw text in need of pre-processing
transformer = Pipeline(steps=(('count_vectorizer', CountVectorizer()),
('tfidf_transformer', TfidfTransformer())))
preprocessed_data = np.array([np.array(row) for row in transformer.fit_transform(data)])
training_data = mx.io.NDArrayIter(data=preprocessed_data, label=labels, batch_size=50)
for i, batch in enumerate(training_data):
print(batch)
执行此代码时,我收到以下错误:
^{pr2}$我不明白,因为在创建NDArrayIter
实例之前,我的数据被转换为numpy.ndarray
。有人愿意提供一些关于如何读取mxnet
中数据的见解吗?在
以上代码当前使用以下版本:
在
user2357112
的帮助下,通过在python3中使用异常链接来查找异常(更新有问题):transformer
管道返回的是scipy.sparse.csr_matrix
矩阵的numpy.array
,而不是二维numpy.array
。通过添加更改以下行以使用toarray
方法进行转换,脚本将运行。在最佳解决方案:当在
^{pr2}$scipy.sparse.csr_matrix
上使用时,toarray
在内存消耗方面效率低下。在mxnet
的1.10
版本中,可以使用mxnet.nd.sparse.array
来更有效地存储数据:唯一的警告是必须在
NDArrayIter
(功能last_batch_handle
here)中使用last_batch_handle='discard'
关键字参数相关问题 更多 >
编程相关推荐