Python 无法通过Pytorch Dataloader进行迭代。不等张量
我正在Python 无法通过Pytorch Dataloader进行迭代。不等张量,python,pytorch,dataloader,Python,Pytorch,Dataloader,我正在imdb上训练一个基于BERT的模型。但是，我无法迭代Pytorch数据加载器 这是完全可复制的代码。培训文件为上述csv 导入变压器 从sklearn导入模型_选择 进口火炬 作为pd进口熊猫 tokenizer=transformers.BertTokenizer.from_pretrained（“bert base cased”，do_lower_case=True） 最大长度=512 列车批次尺寸=8 """ 此类将评论和目标作为参数 -拆分评论和标记 """ 类数据集： 定义初始
imdb导入变压器
从sklearn导入模型_选择
进口火炬
作为pd进口熊猫
tokenizer=transformers.BertTokenizer.from_pretrained（“bert base cased”，do_lower_case=True）
最大长度=512
列车批次尺寸=8
"""
此类将评论和目标作为参数
-拆分评论和标记
"""
类数据集：
定义初始（自我、审核、目标）：
self.review=回顾
self.target=目标
self.tokenizer=tokenizer
self.max\u len=max\u len
定义（自我）：
返回len（自我审查）
定义获取项目（自身，项目）：
回顾=str（自我回顾[项目]）
review=”“.join（review.split（））
标记化的_输入=self.tokenizer.encode_plus(
回顾，
没有一个
添加\u特殊\u标记=真，
最大长度=自最大长度，
padding=True，
截断=真
)
ids=标记化的_输入[“输入_ID”]
掩码=标记化的\u输入[“注意\u掩码”]
令牌\u类型\u ID=令牌化的\u输入[“令牌\u类型\u ID”]
返回{
“ids”：火炬张量（ids，dtype=torch.long），
“掩码”：火炬张量（掩码，数据类型=火炬长），
“token\u type\u id”：torch.tensor（token\u type\u id，dtype=torch.long），
“目标”：火炬张量（self.target[item]，dtype=torch.float），
}
dfx=pd.read\u csv（培训文件）.fillna（“无”）
dfx['touction']=dfx['touction'].应用（如果x=='positive'否则为0，则λx:1）
df\U列车，df\U有效=模型选择。列车测试\U拆分(
dfx，
试验尺寸=0.1，
随机状态=42，
分层=dfx[“情感”]。值
)
#重置索引
df_列=df_列。重置_索引（下降=真）
#获取ID、令牌、掩码和目标
训练数据集=训练数据集（回顾=df训练['review']，目标=df训练['Operation']）
#加载到pytorch数据集对象中
#DataLoader输入输入和目标的张量数据集
train\u data\u loader=torch.utils.data.DataLoader（train\u数据集，批次大小=train\u批次大小，工人数量=0）
#迭代到数据加载器
iter列=iter（数据列装载机）
印刷品（类型（列车）
回顾，标签=培训，下一步（）
运行时错误回溯（最近一次调用）
在（）
2份打印件（类型（iter列））
3.
---->4个图像，标签=火车站。下一个（）
5帧
/默认情况下的usr/local/lib/python3.6/dist-packages/torch/utils/data//u utils/collate.py\u collate（批处理）
53存储=元素存储（）
54输出=元件新（存储）
--->55返回火炬堆（批次，0，输出=输出）
56 elif元素类型。uuuu模块uuu=='numpy'和元素类型。uuuu名称uuuu！='str_'\
57和元素类型字符串“：
RuntimeError：堆栈期望每个张量大小相等，但在条目0处得到[486]，在条目1处得到[211]