Python 将Pytorch数据集转换为从每个类中至少采样一个点的装入器/采样器的有效方法

我正试图想出一种快速有效的方法，将Pytorch数据集转换为至少对每个类中的一个进行采样的采样器。到目前为止，我已经按顺序遍历了Pytorch数据集，并为每个类创建了一个2D张量（Batch x Feature），然后返回每个张量的随机IDX，但这相当慢，并且没有利用数据加载器或采样器。我正在想办法把它安装到装载机或采样器中，以加快速度

目标：

---

因此，每一批抽样的样本都应该至少有一个代表每一类的样本，并且可以保证给采样器的批次大小将远远大于类别的数量（批次大小至少是类别的2倍）。理想情况下，每个批次不应进行替换取样，但可以在不同批次中取样一个点。

您能进一步解释一下您的意思吗？您需要一个采样器，确保每个类中至少有一个被采样，但每个类中有一个什么？每时代？每批？如果每个批次至少有一个类，那么如果批次大小为1呢？或者更一般地说，如果批量小于类的数量，该怎么办？我已经更新了这个问题