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。)