我在github上遇到了这个(来自here的片段)： (...) for i, data in enumerate(dataloader.to(device) label = torch.full((batch_size,), real_label用batch_size = <
浏览 186提问于2021-03-21得票数 0
回答已采纳
3回答
我正在尝试用MNIST数据集来训练一个分类器，使用的是pytorch-MNIST。(self): returnmnist_train
mnist_val = DataLoader(self.mnist_val, batch_size
浏览 9提问于2021-09-14得票数 0
然而，我没有使用PyTorch自己的数据集，而是使用了我从互联网上下载的东西。在上面的代码中，我在一个名为"source“的列表中有一些丹麦语句子，而在另一个名为"target”的列表中，它们在英语句子中的翻译。我的问题是，如何
浏览 10提问于2022-06-21得票数 0
回答已采纳
如何从PyTorch 中获得一个随机示例请注意，我不想要一个图像和标签每小批，我想要一个总共一个例子。
浏览 2提问于2018-12-01得票数 22
回答已采纳
3回答
假设我正在从torchvision.datasets.MNIST加载MNIST，但我只想加载总共10000张图像，我该如何对数据进行切片以将其限制为一定数量的数据点？我知道DataLoader是一个生成器，可以产生指定批次大小的数据，但是如何对数据集进行切片呢？train_loader = DataLoader(tr, batch_size=ar
浏览 32提问于2017-07-01得票数 15
回答已采纳
1回答
因此，我有一个嵌套的1366样本列表，其中包含2特性，以及可变序列长度，这应该是LSTM的输入数据。标签应该是每个序列的一对值，即[-0.76797587, 0.0713816]。据我所知，LSTM接受不同长度的序列，因此在这种情况下，第一个样本的长度为2，第二个样本的长度为3。train_data = TensorDataset(torch.tensor(X, dtype=torch.float32), torch.tensor(Y
浏览 4提问于2020-11-09得票数 3
回答已采纳
在对CIFAR10进行PyTorch分类时，通常有50,000个训练样本和10,000个测试样本。但是，如果我需要创建一个验证集，我可以将训练集分成40000个训练样本和10000个验证样本。))cifar_train, cifar_val = torch.utils.data.random_split(cifar_train_L,[train_size<
浏览 2提问于2019-11-04得票数 2
回答已采纳
以下是我尝试过的： def __len__(self):#return sample_func_to_be_parallelized()
dataset=Infinite(),
batch_size这里的主要挑战是__len()__方法。如果我把一个小的</
浏览 0提问于2019-01-25得票数 9
如何从DataLoader加载整个数据集？我只得到了一批数据集。这是我的代码images, labels = next(iter(dataloader))
浏览 0提问于2019-08-07得票数 5
其中一个我只有17个样本，另一个有83个样本。我希望每个时期的每个类都有相同数量的数据(在这种情况下意味着17乘17 )。loader, sampler): self.sampler = sampler self.iterator = iter(self.loader)
浏览 19提问于2020-07-13得票数 0
回答已采纳
1回答
(alphabet))x.shape
torch.Size([1274, 22]) 这是数据加载器出来的形状dataload
浏览 45提问于2021-10-10得票数 0
回答已采纳
我想知道如何在PyTorch中使用torch.utils.data.DataLoader，特别是在多工作者的情况下。import random
import
浏览 4提问于2019-08-30得票数 5
2回答
我阅读了，不知道DataLoader类的含义是什么，例如，当我应该结合使用torch.utils.data.TensorDataset类时。dataset = data.TensorDataset(*data_arrays)我假设这应该是返回一个可迭代的，可以在不同的批上迭代。在描述前一种类型时
浏览 1提问于2020-12-04得票数 3
回答已采纳
5回答
我加载这些图像并创建两个独立的数据采集器。 labels1 = data[0][1].cuda(async=True);
OSError: [Errno 24] Too many open files
Excepti
浏览 0提问于2018-07-20得票数 15
回答已采纳
抱歉，如果我说的是错的--新的火把。它会做一些类似的事情for i in range(input.size()[0trainloader = DataLoader(my_data)我的问题是，这些方法之间有什么区别，你为
浏览 2提问于2020-03-30得票数 0
回答已采纳
我在pytorch中编写了一个自定义数据加载器类。但当迭代一个时期内的所有批处理数时，它会失败。例如，假设我有100个数据示例，我的批处理大小是9。:return: len => length of dataset return len(self.files)
my_dataset,
浏览 1提问于2019-06-13得票数 10
回答已采纳
1回答
我使用了一个非常大的数据集来测试我的模型。为了使测试样本更快，我想构建一个数据加载器。但我错了。我两天都解决不了。(), max_len=max_len return DataLoader( batch_size=train_data_loader1:当我遍历dataloader时，我
浏览 7提问于2022-06-16得票数 0
回答已采纳
当我训练我的模型时，它只对80%的模型进行预测，这是有意义的，因为它在80%的时间里都看到了带有标签的模型。 BCELoss能理解这种情况吗？import torch
class MyDataset(torch.utils.data.Dataset):def __init__(self, data_size=50000):
浏览 15提问于2022-08-15得票数 0
回答已采纳
2回答
我正在使用下面的代码来训练一个简单的神经网络，通过PyTorch学习谐波。但我想打开洗牌模式来改进模型。这个目标有语法吗？yhh = model(x_data[[np.random.choice(range(len(x_data)), len(x_data), replace=False)]])
浏览 9提问于2022-06-15得票数 0
回答已采纳
我有两个并行数据集dataset1和dataset2，下面是我使用SubsetRandomSampler并行加载它们的代码，其中我提供了用于数据挖掘的train_indices。即使在设置num_workers=0和种子np以及torch之后，样品也不会被并行加载。任何建议都非常欢迎，包括SubsetRandomSampler以外的其他方法。17, 18, 19])
torch.manual_seed
浏览 20提问于2022-11-22得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
