1回答
我希望使用来自的代码。然而，我看的是方框5，其中有以下函数； # Default epoch size is 10 000 samples在整个脚本中，我看不到使用此函数的任何地方。此外，我想确定用于训练卷积神经网络的图像补丁的数量。这个len函数是否与补丁的数量相关联？
浏览 26提问于2018-02-04得票数 2
回答已采纳
我得到了代码的错误
dataloader = DataLoader(dataset=dataset，批处理大小= 4，洗牌= True，num_workers=1)
浏览 3提问于2022-04-01得票数 0
1回答
我们需要为GD和归一化选择批处理大小，它们都称为批处理大小，但在实际实现中，它们需要相同吗？或者框架如何处理它们？例如，在Pytorch中，在dataloader中定义了一个批量大小，例如batch_size=16,num_workers=4)self.bn1 = nn.Bat
浏览 1提问于2020-04-19得票数 0
我试图实现一个基于图像的回归，使用CNN在lib手电。问题是，我的图像有不同的大小，这将导致异常批处理图像。首先，我创建了我的dataset然后我创建了dataLoaderauto dataLoader = torch::data::make_data_loader(
std::mov
浏览 1提问于2021-09-28得票数 0
回答已采纳
我正在使用GPU运行一些非常大的深度学习模型，当我选择批处理大小为8的时候，它可以放入内存中，但如果我使用批处理大小为16，它将导致CUDA内存不足错误，我必须杀死进程。我的问题是，在真正将数据传递到GPU之前，有没有一种方法可以让我知道GPU中的数据量有多大？train_dataloader = DataLoader(train_data, sampler=train_sampl
浏览 31提问于2020-08-17得票数 2
我有两个张量： x[train], y[train] 它的形状是 (311, 3, 224, 224), (311) # 311 Has No Information 我想使用DataLoader逐批加载它们，我写的代码是： from torch.utils.data import Dataset
tra
浏览 29提问于2021-08-28得票数 0
回答已采纳
我在pytorch中编写了一个自定义数据加载器类。但当迭代一个时期内的所有批处理数时，它会失败。例如，假设我有100个数据示例，我的批处理大小是9。它将在第10次迭代中失败，因为批处理大小不同，这将给出一个批处理大小为1而不是10。我已经将我的自定义数据加载器放在下面。此外，我还将如何从加载程序中提取数据放在for循环中。class FlatDirectoryAudioDatase
浏览 1提问于2019-06-13得票数 10
回答已采纳
我有一个包含10,000+示例的数据集，并使用Dataloader创建大小为50的批。我试图找到一种方法，让批处理1从示例1开始，结束于示例50，然后批处理2开始于示例2，结束于示例51，等等。这是我使用DataLoader的一个片段：
train_loader = torch.utils.data.DataLoader(train, batch_size=batch_size, drop_last
浏览 1提问于2019-04-07得票数 1
我正在尝试对时间序列数据进行RNN训练，虽然有很多关于如何构建RNN模型的教程，但我在为这个任务构建dataloader对象方面遇到了一些困难。数据都将是相同的长度，所以也不需要填充。到目前为止，我采取的方法是返回dataset类上的getitem函数中的一系列数据，并将长度定义为不过，我觉得这有点“无趣”，应该有一个更恰当的办法。更具体地说，我认为以某种方式在Py电传数据集构造函数中
浏览 0提问于2018-08-20得票数 2
回答已采纳
1回答
我有一个自定义的Dataset，它从大文件中加载数据。有时，加载的数据是空的，我不想使用它们进行培训。在Dataset中，我有： (x, y) = self.getData(i) #getData loads data and handlesproblems 在数据返回错误的情况下，(None, None) (x和y都是None)。但是，它后来在DataLoader
浏览 1提问于2021-09-24得票数 1
回答已采纳
是否可以从头开始重新创建PyTorch DataLoader的简单版本？类应该能够根据批处理大小返回当前批处理。例如，下面的代码只允许我在此时返回一个示例 def __init__(selfreturn len(self.X) def __getitem__(self, index):但
浏览 2提问于2020-11-02得票数 0
回答已采纳
如何从PyTorch 中获得一个随机示例请注意，我不想要一个图像和标签每小批，我想要一个总共一个例子。
浏览 2提问于2018-12-01得票数 22
回答已采纳
我使用random_split()将我的数据划分为训练和测试，并且我观察到，如果在创建数据器之后进行随机分割，那么当从dataloader获得一批数据时，批大小就会丢失。# %%images_test.shape
len(testloader)输出：
浏览 0提问于2019-12-13得票数 1
回答已采纳
1回答
我试图完成一项任务并编写简单的RNN。batch_size, hid dim * num directions] return self.fc(hidden)loss_func = nn.BCEWithLogitsLoss()
但我知道这个错误：
ValueError:目标大小(torch.Size(64))必须与输入大小相同
浏览 2提问于2021-10-27得票数 0
回答已采纳
我已经创建了一个长度为50000的数据采集器。当我计算它的长度时，它会打印出50000。
浏览 5提问于2022-08-15得票数 1
回答已采纳
1回答
SDG批量>1？
、、
我正在学习IBM的“使用PyTorch的深度NNs”课程，并且我遇到了一些实验室示例，其中SDG用于优化器，而DataLoader中的批处理大小大于1。例如，如果批处理大小= 20，SGD优化器会在每批中执行20个GD步骤吗？如果是这样的话，那么这是否意味着无论我为DataLoader设置了多大的批大小，SGD优化器都只会在一个时代执行GD步骤(训练示例的
浏览 6提问于2022-05-01得票数 0
1回答
我编写了一个自定义的pytorch Dataset，__getitem__()函数返回一个形状为(250, 150)的张量，然后使用DataLoader生成一批批大小为10的数据。我的意思是在维数为0将这10个张量连在一起时，生成一个带有形状(2500, 150)的批处理，但是DataLoader的输出具有形状(10, 250, 150)。如何将DataLoader的输出转换为(2
浏览 1提问于2021-10-12得票数 0
回答已采纳
我想知道如何在PyTorch中使用torch.utils.data.DataLoader，特别是在多工作者的情况下。
我发现DataLoader的一个批处理输出总是来自一个worker。我期望在DataLoader中有一个队列来存储来自所有工作者的数据，并且DataLoader在队列中打乱它们以输出随机的批处理数据。在这种情况下，将源文件混合在一个批处理中是很重要
浏览 4提问于2019-08-30得票数 5
2回答
给定这样读取JSON文件的Pytorch数据集：from torch.utils.dataimport DataLoader2, DataLoader
def __init__(self, jsonfilename时，它会以列表的形式返回数据集的值，而不是返回值本身。将dict的值更改为列表？而且
浏览 18提问于2022-09-23得票数 1
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号