Python 将同一数据集的张量矩阵和稀疏矩阵相结合，进行数据拆分

我有一个张量类型的数组和稀疏矩阵，它们都将被输入到神经网络分类器中。由于数据太大，我需要分批拆分它

我应该如何将稀疏矩阵和数组组合在一起，然后批量拆分训练数据

tensor(indices=tensor([[     0,      0,      0,  ..., 426017, 426017, 426017],
                       [   223,    310,   1045,  ...,     39,     14,    542]]),
       values=tensor([0.0730, 0.0722, 0.0911,  ..., 0.3244, 0.0883, 0.1659]),
       size=(426018, 10000), nnz=19173512, layout=torch.sparse_coo)

上面是同一数据集的两部分，其中一部分是数字特征（16），另一部分是稀疏矩阵中的tfidf特征。因此，为了批量拆分，我需要将它们合并在一起。

---

我知道一个函数

data.utils.data.DataLoader

，但不知道如何将我的数据集合并到其中。

提供示例数据。@dishinghoyani编辑了问题本身。请尽快帮助。提供示例数据。@Dishinghoyani编辑了问题本身。请尽快帮忙。

torch.Size([426018, 16])
tensor([[0.0154, 0.3296, 0.7500,  ..., 0.7628, 0.1643, 0.0092],
        [0.1041, 0.6322, 1.0000,  ..., 0.7612, 0.1629, 0.1283],
        [0.4987, 0.3387, 0.7500,  ..., 0.8692, 0.1879, 0.0150],
        ...,
        [0.1158, 0.6453, 1.0000,  ..., 0.6511, 0.2130, 0.0590],
        [0.0751, 0.2653, 0.7500,  ..., 0.7232, 0.1644, 0.0208],
        [0.4051, 0.3801, 1.0000,  ..., 0.8479, 0.2427, 0.1179]],
       dtype=torch.float64)