如何利用torch.utils.data.Dataset and torch.utils.data.DataLoader根据您自己的数据（不仅仅是torchvision.datasets)?
有没有办法使用内置的DataLoaders他们使用的TorchVisionDatasets用于任何数据集？
是的，这是可能的。只需自己创建对象，例如
import torch.utils.data as data_utils
train = data_utils.TensorDataset(features, targets)
train_loader = data_utils.DataLoader(train, batch_size=50, shuffle=True)
where features and targets是张量。features必须是二维的，即每行代表一个训练样本的矩阵，并且targets可能是一维或二维，具体取决于您是尝试预测标量还是向量。
EDIT: 回应@sarthak的问题
基本上是的。如果你创建一个类型的对象TensorData，然后构造函数研究特征张量的第一个维度（实际上称为data_tensor）和目标张量（称为target_tensor) 具有相同的长度：
assert data_tensor.size(0) == target_tensor.size(0)
但是，如果您随后想将这些数据输入神经网络，那么您需要小心。虽然卷积层对像您这样的数据起作用，但（我认为）所有其他类型的层都希望数据以矩阵形式给出。因此，如果您遇到这样的问题，那么一个简单的解决方案就是转换您的 4D 数据集（以某种张量形式给出，例如FloatTensor) 使用以下方法转化为矩阵view。对于您的 5000xnxnx3 数据集，这将如下所示：
2d_dataset = 4d_dataset.view(5000, -1)
（价值-1告诉 PyTorch 自动计算出第二维的长度。）
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
