听雨轩808
首先导入包。下面介绍的包都位于torch.util.data中。 下面我们手动创建一个数据集，包括1000个样本，每个样本有两个特征。因此样本集是一个1000×2的Tensor，标签集是一个1000×1的Tensor。每个样本的两个特征随机得到，标签符合 再加上一个符合正太分布的误差。 对于给定的数据，包括数据的样本和标签，将二者包装成一个Dataset。 注意：1. 输入的参数必须都是Tensor。 我们将上面的数据集生成数据集。 加载dataset，根据设置的参数返回迭代器。 函数为 常用参数的含义如下。 将上文中生成的数据集进行随机的小批量读取。 我们可以读取并打印每一个batch的样本。这里每次循环都会调用一次data_iter，data_iter都会自动向后迭代一个batch。
香雪海Jackie
数据的预处理以及数据集的构建会经常使用到tensor的切分操作，现整理如下：
功能 ：输入数据与想要切分的块数 chunks ，将数据尽可能 (如果数据个数与块数能整除的话) 平均的切分为 chunks 块
注意 ：没有进行数据的拷贝
参数
Test
Output
功能 ：
注意 ：没有对输入数据进行拷贝
参数 ：
Test 1 输入整型数据
Output 1
Test 2 输入为整型序列
Output
功能 ：torch支持numpy中对数据的切片操作
Test
Output
功能 ：删除tensor的一个维度，返回各个子块组成的 tuple
参数 ：
Test
Output
感谢你的阅读，如果文中存在错误，还请在评论区指出~
优质英语培训问答知识库
