nvidia.dali.fn.experimental.readers.fits#

nvidia.dali.fn.experimental.readers.fits(*, bytes_per_sample_hint=[0], dont_use_mmap=False, dtypes=None, file_filter='*.fits', file_list=None, file_root=None, files=None, hdu_indices=[2], initial_fill=1024, lazy_init=False, num_shards=1, pad_last_batch=False, prefetch_queue_depth=1, preserve=False, random_shuffle=False, read_ahead=False, seed=-1, shard_id=0, shuffle_after_epoch=False, skip_cached_images=False, stick_to_shard=False, tensor_init_bytes=1048576, device=None, name=None)#

从目录读取 Fits 图像 HDU。

此操作符可以在以下模式中使用

  1. 读取由 file_root 指示的目录中与给定 file_filter 匹配的所有文件。

  2. 从 file_list 参数中指示的文本文件读取文件名。

  3. 读取 files 参数中列出的文件。

4. 每个样本的输出数量对应于 hdu_indices 参数的长度。默认情况下，从每个文件读取第一个带有数据的 HDU，因此输出数量默认为 1。

支持的后端

  • ‘cpu’

  • ‘gpu’

关键字参数:

  • bytes_per_sample_hint (int 或 int 列表, 可选, 默认值 = [0]) –

    每个样本的输出大小提示，以字节为单位。

    如果指定，则将预先分配驻留在 GPU 或页锁定主机内存中的操作符输出，以容纳此大小的样本批次。

  • dont_use_mmap (bool, 可选, 默认值 = False) –

    如果设置为 True，Loader 将使用普通文件 I/O，而不是尝试在内存中映射文件。

    当访问本地文件系统时，映射提供小的性能优势，但大多数网络文件系统不提供最佳性能。

  • dtypes (DALIDataType 或 DALIDataType列表, 可选) –

    各个输出的数据类型。

    如果指定，则必须是各个输出的类型列表。默认情况下，所有输出都假定为 UINT8。”

  • file_filter (str, 可选, 默认值 = ‘*.fits’) –

    如果指定了值，则该字符串被解释为 glob 字符串，以过滤 file_root 的子目录中的文件列表。

    当文件路径取自 file_list 或 files 时，此参数将被忽略。

  • file_list (str, 可选) –

    文本文件的路径，其中包含文件名（每行一个）。文件名相对于文本文件的位置或 file_root（如果指定）。

    此参数与 files 互斥。

  • file_root (str, 可选) –

    包含数据文件的目录的路径。

    如果不使用 file_list 或 files。将遍历此目录以发现文件。在这种操作模式下，file_root 是必需的。

  • files (str 或 str列表, 可选) –

    要从中读取数据的 文件路径列表。

    如果提供了 file_root，则路径被视为相对于它的路径。

    此参数与 file_list 互斥。

  • hdu_indices (int 或 int 列表, 可选, 默认值 = [2]) – 要读取的 HDU 索引。如果未提供，将生成主 HDU 之后的第一个 HDU。由于 HDU 的索引从 1 开始，因此默认值如下：hdu_indices = [2]。提供的列表 hdu_indices 的大小定义了每个样本的输出数量。

  • initial_fill (int, 可选, 默认值 = 1024) –

    用于洗牌的缓冲区的大小。

    如果 random_shuffle 为 False，则忽略此参数。

  • lazy_init (bool, 可选, 默认值 = False) – 仅在第一次运行时（而不是在构造函数中）解析和准备数据集元数据。

  • num_shards (int, 可选, 默认值 = 1) –

    将数据划分为指定数量的部分（分片）。

    这通常用于多 GPU 或多节点训练。

  • pad_last_batch (bool, 可选, 默认值 = False) –

    如果设置为 True，则通过重复最后一个样本来填充分片。

    注意

    如果各个分片之间的批次数量不同，则此选项可能会导致将一整批重复样本添加到数据集中。

  • prefetch_queue_depth (int, 可选, 默认值 = 1) –

    指定内部 Loader 要预取的批次数量。

    当 pipeline 受 CPU 阶段限制时，应增加此值，以内存消耗换取与 Loader 线程更好的交错。

  • preserve (bool, 可选, 默认值 = False) – 即使操作符的输出未使用，也阻止将其从图中删除。

  • random_shuffle (bool, 可选, 默认值 = False) –

    确定是否随机洗牌数据。

    使用大小等于 initial_fill 的预取缓冲区按顺序读取数据，然后随机选择样本以形成批次。

  • read_ahead (bool, 可选, 默认值 = False) –

    确定是否应预读访问的数据。

    对于 LMDB、RecordIO 或 TFRecord 等大型文件，此参数会减慢第一次访问速度，但会减少所有后续访问的时间。

  • seed (int, 可选, 默认值 = -1) – 随机种子；如果未设置，将自动分配一个。

  • shard_id (int, 可选, 默认值 = 0) – 要读取的分片的索引。

  • shuffle_after_epoch (bool, 可选, 默认值 = False) –

    如果设置为 True，则读取器在每个 epoch 后对整个数据集进行洗牌。

    当此参数设置为 True 时，不能使用 stick_to_shard 和 random_shuffle。

  • skip_cached_images (bool, 可选, 默认值 = False) –

    如果设置为 True，则当样本在解码器缓存中时，将跳过加载数据。

    在这种情况下，加载器的输出将为空。

  • stick_to_shard (bool, 可选, 默认值 = False) –

    确定读取器是否应坚持数据分片，而不是遍历整个数据集。

    如果使用解码器缓存，它可以显着减少要缓存的数据量，但可能会影响训练的准确性。

  • tensor_init_bytes (int, 可选, 默认值 = 1048576) – 每个图像要分配多少内存的提示。

在本页中