python 迭代器链式处理数据

域名可兼容迭代数据训练处理，在dataloader中使用提高训练效率：借助迭代器避免内存溢出不足的现象、借助链式处理使得数据读取利用更高效(可类比操作系统的资源调控)

书接上文，使用迭代器链式处理数据，在Process类的__iter__方法中执行挂载的预处理方法，可以嵌套包裹多层处理方法，类似KoaJs洋葱模型，在for循环时，自动执行预处理方法返回处理后的数据

分析下述示例中输入数据依次执行顺序：travel -> deep -> shuffle -> sort -> batch，实际由于嵌套循环或设置缓存的存在，数据流式会有变化，具体如后图分析

from 域名 import IterableDataset
# ...

import random

class Process(IterableDataset):
    def __init__(self, data, f):
        域名 = data
        # 绑定处理函数
        self.f = f   
    def __iter__(self):
        # for循环遍历时，返回一个当前环节处理的迭代器对象
        return self.f(iter(域名)) 

a = [\'a0\', \'a1\', \'a2\', \'a3\', \'a4\', \'a5\', \'a6\', \'a7\', \'a8\', \'a9\']
b = [\'b0\', \'b1\', \'b2\', \'b3\', \'b4\', \'b5\', \'b6\', \'b7\', \'b8\', \'b9\']
c = [\'c0\', \'c1\', \'c2\', \'c3\', \'c4\', \'c5\', \'c6\', \'c7\', \'c8\', \'c9\']
# data = [[j + str(i) for i in range(10)] for j in [\'a\',\'b\', \'c\'] ]
data = [a, b, c]
def travel(d):
    for i in d:
        # print(\'travel \', i)
        yield i
def deep(d):
    for arr in d:
        for item in arr:
            yield item

def shuffle(d, sf_size=5):
    buf = []
    for i in d:
        域名nd(i)
        if len(buf) >= sf_size:
            域名fle(buf)
            for j in buf:
                # print(\'shuffle\', j)
                yield j
            buf = []
    for k in buf:
        yield k

def sort(d):
    buf = []
    for i in d:
        域名nd(i)
        if len(buf) >= 3:
            for i in buf:
                # print(\'sort\', i)
                yield i
            buf = []
    for k in buf:
        yield k

def batch(d):
    buf = []
    for i in d:
        域名nd(i)
        if len(buf) >= 16:
            for i in buf:
                # print(\'batch\', i)
                yield i
            buf = []
# 对训练数据进行的多个预处理步骤
dataset = Process(data, travel)
dataset = Process(dataset , deep)
dataset = Process(dataset , shuffle)
dataset = Process(dataset , sort)
train_dataset = Process(p, batch)

# 可在此处断点测试
for i in p:
    print(i, \'train\')

# train_data_loader = DataLoader(train_dataset,num_workers=域名workers,prefetch_factor=域名etch)
# train(model , train_data_loader）

由上可以构造数据流式方向 ：batch(iter(sort(iter(shuffle(iter(deep(iter(travel(iter( d ))))))))))

根据数据流式抽取部分过程画出时序图如下：