pytorch：解决训练数据不能被batchsize整除

训练seq2seq模型时，训练数据一般都不能刚好和batchsize成整数倍数关系。
那么在每个epoch训练中，最后会剩余一组数据量<batchsize的数据。
此时这些数据可能会不适合编写的网络形状，或者代码中reshape形状的部分，在rnn中还会不匹配隐状态形状。
因为我的训练数据量很大，所以直接把最后一个不足batch的数据组抛弃就好。

Data = Dataset_Pred
timeenc = 0 if args.embed!='timeF' else 1
flag = 'pred'; shuffle_flag = False; drop_last = False; batch_size = 1

freq = args.detail_freq

data_set = Data(
    root_path=args.root_path,
    data_path=args.data_path,
    flag=flag,
    size=[args.seq_len, args.label_len, args.pred_len],
    features=args.features,
    target=args.target,
    timeenc=timeenc,
    freq=freq
)
data_loader = DataLoader(
    data_set,
    batch_size=batch_size,
    shuffle=shuffle_flag,
    num_workers=args.num_workers,
    drop_last=drop_last)

解决这个问题，在pytorch中使用dataloader加载数据，只需要在参数里加一个

drop_last=True

就可以了，十分方便！
————————————————
版权声明：本文为CSDN博主「y hat」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zhangqiqiyihao/article/details/118088321