Numpy PyTorch中类间的平衡采样

我正在使用PyTorch的

数据分割数据。随机分割

train\u idx，validate\u idx，test\u idx=数据。随机分割（X，
[num\u培训样本、num\u验证样本、num\u测试样本]）

它返回随机拆分的索引。那么我就做下面的事情

train=[X[train\u idx.index]，y[train\u idx.index]]
validate=[X[validate_idx.index]，y[validate_idx.index]]
test=[X[test_idx.index]，y[test_idx.index]]

虽然它们的总比例为6:2:2，但类与类之间的抽样并不相同。当我打印计数时，它显示

{0:4251，1:4168，2:4223，3:4192，4:4180，5:4133，6:4226，7:4249，8:4238，9:4140}

现在，我可以迭代样本并生成平衡的子样本，但我想知道在PyTorch（或Numpy）中是否有一种方法要有效地做到这一点。

您可以使用from sklearn，将每个类的样本百分比保留为与数据中相同。您可以使用from sklearn，将每个类的样本百分比保留为与数据中相同。