Pytorch入门（三）——数据预处理

回归中使用的数据是torch的32位浮点型；分类问题中的预测标签是64位有符号整型数据。

一、数据类型的转换

train_x = torch.from_numpy(data_x.astype(np.float32))
# 训练数据浮点型32位
train_y = torch.from_numpy(data_y.astype(np.int64))
# 标签数据整型64位

二、整理数据

train_data = torch.utils.data.TensorDataset(train_x,train_y)
# 将x,y整理到一起
train_loader = torch.utils.data.DataLoader(
               dataset = train_data,  # 数据集
               batch_size = 10,  # 批处理样本大小
               shuffle = True,  # 迭代前打乱数据
               num_workers = 1,  # 进程使用数
               )

以上是对于数组数据的部分预处理，针对图片数据和文本数据也有相应的处理方法。