Python Torchtext TABLARDATASET（）错误读取数据字段

目标：我想根据我的自定义数据集创建一个文本分类器，mlexplained提供的simillar（及以下）教程

发生了什么事 我成功地格式化了我的数据，创建了一个培训、验证和测试数据集，并对其进行了格式化，使其与他们使用的“有毒tweet”数据集相等（每个标记有一列，1/0表示真/假）。大多数其他部分也按预期工作，但当涉及到迭代时，我得到了一个错误

The `device` argument should be set by using `torch.device` or passing a string as an argument. 

This behavior will be deprecated soon and currently defaults to cpu.
The `device` argument should be set by using `torch.device` or passing a string as an argument. This behavior will be deprecated soon and currently defaults to cpu.
The `device` argument should be set by using `torch.device` or passing a string as an argument. This behavior will be deprecated soon and currently defaults to cpu.
The `device` argument should be set by using `torch.device` or passing a string as an argument. This behavior will be deprecated soon and currently defaults to cpu.
  0%|          | 0/25517 [00:01<?, ?it/s]
Traceback (most recent call last):
... (trace back messages)
AttributeError: 'Example' object has no attribute 'text'

试图解决已经出现的问题，我认为原因是：

opt = optim.Adam(model.parameters(), lr=1e-2)
loss_func = nn.BCEWithLogitsLoss()

epochs = 2

for epoch in range(1, epochs + 1):
    running_loss = 0.0
    running_corrects = 0
    model.train() # turn on training mode
    for x, y in tqdm.tqdm(train_dl): # **THIS LINE CONTAINS THE ERROR**
        opt.zero_grad()

        preds = model(x)
        loss = loss_func(y, preds)
        loss.backward()
        opt.step()

        running_loss += loss.data[0] * x.size(0)

    epoch_loss = running_loss / len(trn)

    # calculate the validation loss for this epoch
    val_loss = 0.0
    model.eval() # turn on evaluation mode
    for x, y in valid_dl:
        preds = model(x)
        loss = loss_func(y, preds)
        val_loss += loss.data[0] * x.size(0)

    val_loss /= len(vld)
    print('Epoch: {}, Training Loss: {:.4f}, Validation Loss: {:.4f}'.format(epoch, epoch_loss, val_loss))

trn[0].__dict__.keys()
Out[19]: dict_keys([])

trn[1].__dict__.keys()
Out[20]: dict_keys([])

trn[2].__dict__.keys()
Out[21]: dict_keys([])

trn[3].__dict__.keys()
Out[22]: dict_keys(['text'])

我知道这个问题发生在其他人身上，这里甚至有两个问题，bot都有跳过数据集中的列或行的问题（我检查了空行/Cokumns，没有发现）。另一个解决方案是，给定模型的参数必须与.csv文件中的参数顺序相同（没有遗漏）

但是，相关代码（tst、trn和vld集的加载和创建） def createTestTrain（）：

Has使用相同的列表和顺序，就像我的csv一样。tv_数据字段的结构与文件完全相同。此外，由于Datafield对象只是带有数据点的DICT，我通过以下方式读取字典的键，就像教程一样：

trn[0].dict_keys()

应该发生什么： 这个例子的行为是这样的

trn[0]
torchtext.data.example.Example at 0x10d3ed3c8
trn[0].__dict__.keys()
dict_keys(['comment_text', 'toxic', 'severe_toxic', 'threat', 'obscene', 'insult', 'identity_hate'])

我的结果：

opt = optim.Adam(model.parameters(), lr=1e-2)
loss_func = nn.BCEWithLogitsLoss()

epochs = 2

for epoch in range(1, epochs + 1):
    running_loss = 0.0
    running_corrects = 0
    model.train() # turn on training mode
    for x, y in tqdm.tqdm(train_dl): # **THIS LINE CONTAINS THE ERROR**
        opt.zero_grad()

        preds = model(x)
        loss = loss_func(y, preds)
        loss.backward()
        opt.step()

        running_loss += loss.data[0] * x.size(0)

    epoch_loss = running_loss / len(trn)

    # calculate the validation loss for this epoch
    val_loss = 0.0
    model.eval() # turn on evaluation mode
    for x, y in valid_dl:
        preds = model(x)
        loss = loss_func(y, preds)
        val_loss += loss.data[0] * x.size(0)

    val_loss /= len(vld)
    print('Epoch: {}, Training Loss: {:.4f}, Validation Loss: {:.4f}'.format(epoch, epoch_loss, val_loss))

trn[0].__dict__.keys()
Out[19]: dict_keys([])

trn[1].__dict__.keys()
Out[20]: dict_keys([])

trn[2].__dict__.keys()
Out[21]: dict_keys([])

trn[3].__dict__.keys()
Out[22]: dict_keys(['text'])

虽然trn[0]不包含任何内容，但它是从3扩展到15，通常应该存在的列的数量应该远远超过这个数量

现在我不知道我错在哪里了。数据合适，函数显然可以工作，但是tablerDataSet（）似乎以错误的方式读取我的列（如果有的话）。我分类了吗

# Defining Tag and Text
TEXT = Field(sequential=True, tokenize=tokenize, lower=True)
LABEL = Field(sequential=False, use_vocab=False)

走错了路？至少我的调试程序似乎表明了这一点

关于Torchtext的文档很少，我很难找到答案，但是当我查看Torchtext的定义时，我看不出有什么问题

---

感谢您的帮助。

我发现了问题所在，显然Torchtext只接受引号中的数据，并且只使用“，”作为分隔符。我的数据不在引号内，以“；”作为分隔符