使用Pytorch的数据加载器和sklearn进行转换

Question

我已经使用pytorch了很多，并且习惯了他们的数据加载器和转换，尤其是在数据扩充方面，因为它们非常用户友好并且易于理解。

但是，我需要从sklearn运行一些ML模型。

是否可以将pytorch的数据加载器用于sklearn？

Answer 1

是的，可以。您可以使用sklearn的{​​{1}}方法执行此操作。阅读HERE。

  

6.1.3。 增量学习

     

最后，对于3.，我们在scikit-learn中有很多选择。 尽管所有算法都无法学习   （即一次不查看所有实例），全部   实施partial_fit API的估算器为候选对象。其实，   从小批量实例中逐步学习的能力   （有时称为“在线学习”）是进行核心学习的关键，因为   它保证在任何给定时间只有少量   主内存中的实例数。选择合适的尺寸   平衡相关性和内存占用的微型批处理可能涉及   一些调整[1]。

但是，并非所有算法都能做到这一点。

然后，您可以使用partial_fit的{​​{1}}预处理数据并将其分批馈送到pytorch。