从 x_train 和 y_train 中创建数据集
Create dataset out of x_train and y_train
如何将x_train和y_train放入模型中进行训练?
x_train 是一个大小为 (3000, 13) 的张量。
y_train 的大小为 (3000, 1)
即对于x_train(1, 13)的每个元素,各自的y标签是y_train中的一位数。
如果我这样做:
train_data = (train_feat, train_labels)
print(train_data[0].shape)
print(train_data[1].shape)
torch.Size([3082092, 13])
torch.Size([3082092, 1])
train_loader = data.DataLoader(dataset=train_data,
batch_size= 7,
shuffle=True)
数据加载器不return批量大小,而是return整个数据集
您可以使用 TensorDataset
构造函数:
import torch.utils.data as data_utils
dataset = data_utils.TensorDataset(train_feat, train_labels)
train_loader = data_utils.DataLoader(dataset, batch_size=7, shuffle=True)
如何将x_train和y_train放入模型中进行训练?
x_train 是一个大小为 (3000, 13) 的张量。
y_train 的大小为 (3000, 1)
即对于x_train(1, 13)的每个元素,各自的y标签是y_train中的一位数。
如果我这样做:
train_data = (train_feat, train_labels)
print(train_data[0].shape)
print(train_data[1].shape)
torch.Size([3082092, 13])
torch.Size([3082092, 1])
train_loader = data.DataLoader(dataset=train_data,
batch_size= 7,
shuffle=True)
数据加载器不return批量大小,而是return整个数据集
您可以使用 TensorDataset
构造函数:
import torch.utils.data as data_utils
dataset = data_utils.TensorDataset(train_feat, train_labels)
train_loader = data_utils.DataLoader(dataset, batch_size=7, shuffle=True)