我有一个标签大小为64的数据集，输入是15*17通道中大小为3的图像。因此，特征（图像）和标签的大小分别为n*3*15*17和n*64。我想创建一个pytorch dataLoader以获得数据的小批量。我可以通过将标签的尺寸扩展到n*3*15*64并将其与特征（图像）连接以获取批次，然后在将它们传递到模型之前进行分离来做到这一点。但是，我认为这不是一个好主意，因为当n很大时，这在内存使用方面可能会非常昂贵，并且还会涉及一些不必要的计算。
我喜欢任何建议吗？
这是一个示例：
import torch import numpy as np
n = 10
a = np.ones((n,3,15,17))
b = np.ones((n,64))
data = torch.utils.data.DataLoader(train_data, 5, shuffle = True)
我不确定如何从train_data和a中构造b。