Numpy 如何调整数据加载器并制作新的数据加载器？

假设我有一个cifar10的数据加载器
如果我想从数据加载器中删除一些值并创建一个新的数据加载器
我该怎么做

def load_data_cifar10(batch_size=128,test=False):
    if not test:
        train_dset = torchvision.datasets.CIFAR10(root='/mnt/3CE35B99003D727B/input/pytorch/data', train=True,
                                                download=True, transform=transform)
    else:
        train_dset = torchvision.datasets.CIFAR10(root='/mnt/3CE35B99003D727B/input/pytorch/data', train=False,
                                               download=True, transform=transform)
    train_loader = torch.utils.data.DataLoader(train_dset, batch_size=batch_size, shuffle=True)
    print("LOAD DATA, %d" % (len(train_loader)))
    return train_loader

您可以使用数据集。这将使用另一个数据集作为输入以及索引列表来构建新的数据集。假设你想要前1000个条目，那么你就可以

subset_train_dset = torch.utils.data.Subset(train_dset, range(1000))

您还可以使用dataset或

ConcatDataset

和

Subset

的组合构建由多个数据集组成的数据集，以构建您喜欢的任何内容

frankenstein_dset = torch.utils.data.ConcatDataset((
    torch.utils.data.Subset(dset1, range(1000)),
    torch.utils.data.Subset(dset2, range(100)))

---

在您的情况下，您需要查看实现细节以确定要保留哪些索引，或者您可以编写一些代码，首先遍历原始数据集并保存所有要保留的索引，然后用适当的索引定义一个子集。

关于数据加载器，您想更改什么？子集_train _dset.dataset.data.shape。无法使用真正的数据加载器。对于枚举（dataloader）中的idx（img，target）：抛出错误：TypeError:“dataloader”对象不是subscriptablesubset\u train\u dset=torch.utils.data.Subset（dataloader，range（1000））对于枚举（Subset\u train\u dset）中的idx（img，target）：print（idx，，：'，img.shape）数据集通常没有

成员（这是针对特定数据集的）。有关更多信息，请阅读文档，但数据集需要实现的唯一内容是
\uuuu getitem\uuuuuuuuu
和
\uuuuu len\uuuuu
。因此，如果您想要数据集对象的长度，必须使用
len（数据集）
作为一般解决方案。