如何使用带有3-D矩阵的pytorch DataLoader进行LSTM输入？

Question

我有一个3-D（time_stepinputsizetotal_num）矩阵的数据集，它是一个.mat文件。我想使用DataLoader获取LSTM的输入数据集，其中batch_size为5.我的代码如下：

file_path = "…/database/frameLength100/notOverlap/a.mat"
mat_data = s.loadmat(file_path)
tensor_data = torch.from_numpy(mat_data[‘a’]) #Tensor

class CustomDataset(Dataset):

def __init__(self, tensor_data):
    self.tensor_data = tensor_data

def __getitem__(self, index):
    data = self.tensor_data[index]
    label = 1;
    return data, label

def __len__(self):
    return len(self.tensor_data)
custom_dataset = CustomDataset(tensor_data=tensor_data)
train_loader = DataLoader(dataset=custom_dataset, batch_size=5, shuffle=True)

我认为代码错了，但我不知道如何纠正它。令我困惑的是如何让DataLoader知道哪个维度是'total_num'，以便获得批量大小为5的数据集。

Answer 1

如果我理解正确，你希望批量发生在total_num维度上，i。即维度2.

您可以简单地使用该维度来索引数据集，即将__getitem__更改为data = self.tensor_data[:, :, index]，并相应地在__len__中返回self.tensor_data.size(2)而不是len(self.tensor_data) }。然后，每个批次的大小为[time_step, inputsize, 5]。