pytorch快速上手之三_使用Dataset、Dataloader

本文介绍了如何在PyTorch中使用Dataset、Dataloader处理自定义数据集,包括基础和进阶使用。通过继承Dataset并实现__len__、__getitem__方法来创建自定义数据集,Dataloader则用于批量处理数据,支持sampler和collate_fn进行更灵活的操作。
摘要由CSDN通过智能技术生成

当要换成自己的数据集时,需要用Dataset、Dataloader处理数据集,将数据喂给模型

一 基础使用

https://blog.csdn.net/He3he3he/article/details/105441083
https://blog.csdn.net/zw__chen/article/details/82806900
https://blog.csdn.net/u011995719/article/details/85102770
https://blog.csdn.net/xuan_liu123/article/details/101145366

想要得到的数据类型:tensor类型,且shape为:batch_size * input_size

batch_size为3	变量为tensor([...])	标签为tensor([...])

变量 batch:
tensor[[...],[...],[...]]

标签 batch:
tensor[[...],[...],[...]]

最简单的实现:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值