Pytorch DataLoader 没有将数据集分成批次
pytorch 461
原文标题 :Pytorch DataLoader is not dividing the dataset into batches
我正在尝试使用以下代码在 DataLoader 中加载训练数据
class Dataset(Dataset):
def __init__(self, x, y):
self.x = x
self.y = y
def __getitem__(self, index):
x = torch.Tensor(self.x[index])
y = torch.Tensor(self.y[index])
return (x, y)
def __len__(self):
count = self.x.shape[0]
return count
X_train = np.reshape(X_train,(-1,1,X_train.shape[0],X_train.shape[1]))
y_train = np.reshape(y_train,(-1,1,y_train.shape[0],y_train.shape[1]))
train_dataset = Dataset(X_train, y_train)
train_loader = torch.utils.data.DataLoader(dataset=train_dataset,batch_size=128,shuffle=True)
现在,当我检查 DataLoader 的长度时,我每次都会得到一个数据集。加载器不会将数据集拆分为批次。我在这里做错了什么?
回复
我来回复-
aaossa 评论
该回答已被采纳!
测试您的代码后,如果您删除重塑步骤,它似乎可以完美运行。您正在引入一个新维度,因此 X_train 的新形状是(1,something,something),但您正在使用
self.x[index]
索引您的项目,因此您始终访问批量维度。在计算数据集的长度时,您会犯同样的错误:始终为 1。解决方法:不要整形。
X_train = np.random.rand(12_000, 1280) y_train = np.random.rand(12_000, 1) train_dataset = Dataset(X_train, y_train) train_loader = torch.utils.data.DataLoader(dataset=train_dataset,batch_size=128,shuffle=True) for x, y in train_loader: print(x.shape) print(y.shape) break
2年前