Python 创建为RNN返回数据序列的Pytorch数据集的正确方法？

我正在尝试对RNN进行时间序列数据的培训，虽然有很多关于如何构建RNN模型的教程，但我在为这项任务构建dataloader对象时遇到了一些问题。所有数据都将是相同的长度，因此也不需要填充。到目前为止，我采用的方法是在dataset类的getitem函数中返回一系列数据，并将长度定义为

len(data) - seq_len + 1

然而，我觉得这有点“黑客”，应该有一个更合适的方法来做到这一点。这种方法似乎令人困惑，我觉得如果与团队合作，就会产生问题。更具体地说，我认为以某种方式重写Pytorch数据集构造函数中的sampler函数是正确的方法，但我在理解如何实现这一点上遇到了困难。下面是我构建的当前数据集类，有人能告诉我如何修复它吗？先谢谢你

class CustomDataset(Dataset):
  def __init__(self, df, cats, y, seq_l):
    self.n, self.seq_l = len(df), seq_l
    self.cats  = np.array(np.stack([c.values for n,c in df[cats].items()], 1).astype(np.int64))
    self.conts = np.array(np.stack([c.values for n,c in df[[i for i in df.columns if i not in cats]].items()], 1).astype(np.float32))
    self.y = np.array(y)

  def __len__(self): return len(self.y) - self.seq_l + 1

  def __getitem__(self, idx):
    return [
      (torch.from_numpy(self.cats[idx:idx+self.seq_l]),
      torch.from_numpy(self.conts[idx:idx+self.seq_l])),
      self.y[idx+self.seq_l-1]
    ]

---

如果我理解正确的话，您有时间序列数据，并且您希望通过从中采样来包装具有相同长度的数据批次？ 我认为您可以使用Dataset只返回一个数据样本，正如PyTorch开发人员最初打算的那样。您可以使用自己的\u collate\u fn函数将它们堆叠在批处理中，并将其传递给DataLoader类（\u collate\u fn是一个可调用函数，它获取样本列表并返回批处理，通常，例如，填充在那里完成）。因此，您不会有长度的依赖关系（=数据集类中的批大小）。我假设您希望在形成批次时保留样本的顺序（假设您使用时间序列），您可以编写自己的采样器类（或者使用PyTorch中已有的SequentialSampler）。 因此，您将解耦示例表示，在批处理（DataLoader中的_collate _fn）和采样（Sampler类）中形成它们。希望这能有所帮助。

collate\u fn（可调用，可选）–合并一个样本列表以形成一个小批量。

Wow看起来我不知何故错过了这一点，是的，这一切都很有意义，似乎是按照Pytorch开发人员的方式实现的。非常感谢。