python构造自定义数据包_python – PyTorch：如何将DataLoader用于自定义数据集

是的，这是可能的。只需自己创建对象，例如

import torch.utils.data as data_utils

train = data_utils.TensorDataset(features, targets)

train_loader = data_utils.DataLoader(train, batch_size=50, shuffle=True)

功能和目标是张量。特征必须是2-D，即矩阵，其中每条线代表一个训练样本，目标可以是1-D或2-D，具体取决于您是否尝试预测标量或向量。

希望有所帮助！

编辑：回应@ sarthak的问题

基本上是的。如果创建TensorData类型的对象，则构造函数会调查特征张量的第一个维度(实际上称为data_tensor)和目标张量(称为target_tensor)是否具有相同的长度：

assert data_tensor.size(0) == target_tensor.size(0)

但是，如果您想随后将这些数据提供给神经网络，那么您需要小心。虽然卷积层处理像你这样的数据，(我认为)所有其他类型的层都希望数据以矩阵形式给出。因此，如果您遇到这样的问题，那么一个简单的解决方案是使用方法视图将您的4D数据集(作为某种张量给出，例如FloatTensor)转换为矩阵。对于5000xnxnx3数据集，这将如下所示：

2d_dataset = 4d_dataset.view(5000, -1)

(值-1告诉PyTorch自动计算出第二个维度的长度。)