Question

对于神经网络项目，我正在使用Pytorch并正在使用EMNIST数据集。

已经给定的代码加载到数据集中：

train_dataset = dsets.MNIST(root='./data', 
                            train=True, 
                            transform=transforms.ToTensor(),
                            download=True)

并准备：

train_loader = torch.utils.data.DataLoader(dataset=train_dataset, 
                                           batch_size=batch_size, 
                                           shuffle=True)

然后，在定义了网络的所有配置后，将出现一个for循环，用于按时期训练模型：

 for i, (images, labels) in enumerate(train_loader):

在示例代码中，这可以正常工作。

对于我的任务，给了我一个如下加载的数据集：

emnist = scipy.io.loadmat("DIRECTORY/emnist-letters.mat")

data = emnist ['dataset']
X_train = data ['train'][0, 0]['images'][0, 0]
y_train = data ['train'][0, 0]['labels'][0, 0]

然后，我按如下所示创建train_dataset：

train_dataset = np.concatenate((X_train, y_train), axis = 1)
train_dataset = torch.from_numpy(train_dataset)

并使用相同的步骤进行准备：

train_loader = torch.utils.data.DataLoader(dataset=train_dataset, 
                                           batch_size=batch_size, 
                                           shuffle=True)

但是，当我尝试使用与以前相同的循环时：

for i, (images, labels) in enumerate(train_loader):

我收到以下错误：

ValueError: too many values to unpack (expected 2)

谁知道我该怎么做，以便可以使用此循环训练我的数据集？

Answer 1

您从EMNIST数据创建的数据集是单个张量，因此，数据加载器还将生成单个张量，其中第一个维是批处理维。这将导致尝试在整个批次维度上解压缩该张量，这是行不通的，因为您的批次大小大于2，但这也不是您想要的。

您可以使用torch.utils.data.TensorDataset轻松创建数据集，就像MNIST数据集一样，该图像集会生成图像元组及其各自的标签。

train_dataset = torch.utils.data.TensorDataset(torch.from_numpy(X_train), torch.from_numpy(y_train))

ValueError：使用火炬张量时无法解包的值太多

1 个答案: