比较与torchtext.datasets.IWSLT2017的差异

torchtext.datasets.IWSLT2017

class torchtext.datasets.IWSLT2017(
    root: str = '.data',
    split: Union[List[str], str] = ('train', 'valid', 'test'),
    language_pair: Sequence = ('de', 'en'))

更多内容详见torchtext.datasets.IWSLT2017。

mindspore.dataset.IWSLT2017Dataset

class mindspore.dataset.IWSLT2017Dataset(
    dataset_dir,
    usage=None,
    language_pair=None,
    num_samples=None,
    num_parallel_workers=None,
    shuffle=Shuffle.GLOBAL,
    num_shards=None,
    shard_id=None,
    cache=None)

更多内容详见mindspore.dataset.IWSLT2017Dataset。

差异对比

PyTorch：读取IWSLT2017数据集。

MindSpore：读取IWSLT2017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	language_pair	language_pair	-
	参数4	-	num_samples	指定从数据集中读取的样本数
	参数5	-	num_parallel_workers	指定读取数据的工作线程数
	参数6	-	shuffle	指定是否混洗数据集
	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

root = "/path/to/dataset_root/"
train_iter, valid_iter, test_iter = datasets.IWSLT2017(root, split=('train', 'valid', 'test'))
data = next(iter(train_iter))

# MindSpore
import mindspore.dataset as ds

# Download IWSLT2017 dataset files, unzip into the following structure
# .
# └── /path/to/dataset_directory/
#      └── DeEnItNlRo
#          └── DeEnItNlRo
#              └── DeEnItNlRo-DeEnItNlRo
#                  ├── IWSLT17.TED.dev2010.de-en.de.xml
#                  ├── train.tags.de-en.de
#                  ├── ...
root = "/path/to/dataset_directory/"
dataset = ds.IWSLT2017Dataset(root, usage='all')
data = next(iter(dataset))