我目前有以下数据：
f_map, inputs, s_bias = ml_dataset.dataset_for_s_bias()
其中 f_map 是矩阵张量，输入是浮点数张量，s_bias 是浮点数张量。前两个 f_map 和输入是我的 ML 回归算法的输入，而 s_bias 是预期的输出。之所以有两种输入，是因为f_map是用CNN处理的，CNN将f_map中的每个矩阵都变成了一个浮点数，与输入的张量串联起来，得到的张量输入到MLP中得到一个预测对于 s_bias。
我不知道如何将 f_map、inputs 和 s_bias 拆分成批。我尝试使用数据加载器，但这导致我在需要张量的 CNN 中出现问题（我的 CNN 中有一个解压操作，但数据加载器与解压不兼容）。我需要 f_map、inputs 和 s_bias 以相同的方式拆分并保留顺序。这样做的最佳方法是什么？
答案 0 :(得分：0)
我想通了。当我最初使用数据加载器时，我假设数据加载器本身是一批。但是，我需要遍历数据加载器以访问其中的批次。这些批次具有正确的类型（张量）。