pytorch：batchsize不能整除训练数据大小的解决方案

本文讨论的是不使用dataloader的情况下，怎么解决batchsize不能整除训练数据大小的问题。

方案1，寻找可以整除训练数据大小的batchsize

比如训练数据一共50000万个，每个批次35个数据就不合适，可以设置成50个。

方案2，舍弃不能整除的部分数据

比如，batchsize是50，训练数据总个数是50025，那么就要舍弃最后的25个训练数据。

方案3，增加训练数据

你可以临时再去收集一些数据集，或者在数据不足的批次把数据库中的数据重复利用，扩充数据集。

方案4，不能整除的数据并入下次循环

也就是说基本上每个数据用到的次数是等同的。

方案5，把不能整除的部分也作为一个批次训练

虽然批数据的数量少了，但是依然可以送进网络进行训练。具体做法是，遍历数据集的时候，设置一个计数变量。如果这个变量达到了batchsize的大小，就送到网络进行训练；再或者，如果遍历到了数据集的末尾，也送进网络进行训练。