pytorch之TensorDataset

qq_42334822

于 2022-05-11 11:53:45 发布

阅读量1.2k

点赞数

文章标签： pytorch 深度学习机器学习

本文链接：https://blog.youkuaiyun.com/qq_42334822/article/details/124706695

版权

本文介绍了如何使用PyTorch的TensorDataset和DataLoader对数据进行包装和分批次处理。通过示例展示了如何创建包含多个输入和输出的TensorDataset，并利用DataLoader进行随机批量加载，这对于训练神经网络模型非常有用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

包装数据和目标张量的数据集。

torch.utils.data.TensorDataset(data_tensor, target_tensor)

x_1 = torch.arange(30).reshape(-1,3)

y_1 = torch.arange(10)*3



# TensorDataset对tensor进行打包
dataset = data.TensorDataset(x_1, y_1) 
for x_1_train, y_1_train in dataset:
    print(x_1_train, y_1_train)

# dataloader进行数据封装
print('=' * 80)
train_loader = data.DataLoader(dataset=dataset, batch_size=4, shuffle=True)
for i, data_ in enumerate(train_loader):  
# enumerate返回值有两个,一个是序号，一个是数据（包含训练数据和标签）
    x_1_train, y_1_train = data_
    print(f' batch:{i+1} x_data:{x_1_train}  y_data:{y_1_train}')

运行解果：

tensor([0, 1, 2]) tensor(0)
tensor([3, 4, 5]) tensor(3)
tensor([6, 7, 8]) tensor(6)
tensor([ 9, 10, 11]) tensor(9)
tensor([12, 13, 14]) tensor(12)
tensor([15, 16, 17]) tensor(15)
tensor([18, 19, 20]) tensor(18)
tensor([21, 22

最低0.47元/天解锁文章