Python 如何使自定义pytorch数据集的结构与torchvision数据集类似？

我是pytorch的新手，我正在尝试重用一个时尚MNIST CNN（）来对我的timeseries数据进行分类。我发现很难理解数据集的结构，因为按照我所能做到的，我得到的东西太简单了。我想这是因为我不太懂OOP。我制作的数据集在我的CNN训练中运行良好，但在试图用它们的代码分析结果时，我陷入了困境

因此，我从两个名为features[4050,1150,6]和targets[4050]的pytorch张量创建了一个数据集：

train_dataset = TensorDataset(features,targets) # create your datset
train_dataloader = DataLoader(train_dataset, batch_size=50, shuffle=False) # create your dataloader
print(train_dataset.__dict__.keys()) # list the attributes

我通过检查属性得到这个打印输出

dict_键（['张量]）

但在时尚MNIST教程中，他们访问数据的方式如下：

train_set = torchvision.datasets.FashionMNIST(
    root='./data'
    ,train=True
    ,download=True
    ,transform=transforms.Compose([
        transforms.ToTensor()
    ])
)

train_loader = torch.utils.data.DataLoader(train_set, batch_size=1000, shuffle=True)
print(train_set.__dict__.keys()) # list the attributes

通过检查属性可以得到打印输出

dict_键（['root'，'transform'，'target_transform'，'transforms'，'， “列车”、“数据”、“目标”]）

我的数据集可以很好地用于培训，但当我进入本教程后面的分析部分时，他们希望我访问数据集的部分，我得到一个错误：

# Analytics
prediction_loader = torch.utils.data.DataLoader(train_dataset, batch_size=50)
train_preds = get_all_preds(network, prediction_loader)
preds_correct = train_preds.argmax(dim=1).eq(train_dataset.targets).sum().item()

print('total correct:', preds_correct)
print('accuracy:', preds_correct / len(train_set))

---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在里面
4预测加载程序=火炬.utils.data.DataLoader（序列数据集，批量大小=50）
5列预测=获取所有预测（网络、预测装载机）
---->6 preds_correct=train_preds.argmax（dim=1）.eq（train_dataset.targets）.sum（）.item（）
7.
8打印（'总正确：'，预正确）
AttributeError:'TensorDataset'对象没有属性'targets'

---

谁能告诉我这里发生了什么事？这是我在制作数据集时需要改变的吗？还是我可以重写分析代码以访问数据集的正确部分？

相当于

.targets

for

TensorDataset

s将是

train\u dataset.tensors[1]

实现非常简单：

class TensorDataset（数据集[元组[张量，…]）：
r“”数据集包装张量。
将通过沿第一维度索引张量来检索每个样本。
论据：
*张量（张量）：与第一维度大小相同的张量。
"""
张量：元组[张量，…]
def uuu init uuu（self，*张量：张量）->无：
断言所有（张量[0]。大小（0）=张量。大小（0）表示张量中的张量）
自张量=张量
定义uu获取项目uu（自身，索引）：
返回元组（自张量中张量的张量[索引]）
定义（自我）：
返回self.tensors[0]。大小（0）

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-73-daa87335a92a> in <module>
      4 prediction_loader = torch.utils.data.DataLoader(train_dataset, batch_size=50)
      5 train_preds = get_all_preds(network, prediction_loader)
----> 6 preds_correct = train_preds.argmax(dim=1).eq(train_dataset.targets).sum().item()
      7 
      8 print('total correct:', preds_correct)

AttributeError: 'TensorDataset' object has no attribute 'targets'