在torch编写过程中的几个技巧

初学pytorch，往往是有点难度，在几次的练习后，逐渐熟练起来，这里介绍几个使用编程的技巧，也使后人少走弯路。

1、数据集的划分
通常情况下，机器学习的过程必然少不了数据集的清洗和划分，在划分的过程是存在技巧的。
以1万条数据的数据集为例，我们选取8000条数据进行训练，2000条数据进行测试，那么在这8000条的数据中，我们每一个训练的epoch都会完整的使用到这8000条数据，在不同的epoch中，对这8000条数据进行shuffle操作，即打乱训练顺序，可以有更好的训练效果。

2、torch中的形状

对于不同的torch网络模型，往往要求不同的输入格式，如（sen_len, batch_size, embedding_size)等。我们一上来数据集的数据通常都是混在一起的一个大数组形式，这是便可以使用torch的view方法，将tensor变成想要的形状。
但是要注意的是，tensor.view方法是原来tensor的浅拷贝，并且该方法会打乱tensor在内存中的位置，因此对该tensor要进行后续的有tensor连续性要求的操作时会报错，这时就需要对view过的tensor进行连接操作tensor.contiguous()，把分散的内存连续化。

3、数据文件操作

大多数的文件数据如果是csv或者xlsx文件时，我只能说pandas是yyds!