在PyTorch中定义批量大小为1的手动排序MNIST数据集

[]：表示批次。例如，如果批次大小为5，则批次将类似于[1,4,7,4,2]。[]的长度表示批次大小

我想制作一个训练集，如下所示：

[1] ->[1]->[1]->[1]->[1]->[7]->[7]->[7]->[7]->[3]->[3]->[3]->[3]->。。。等等

也就是说，第一个是5个1（批量大小=1），第二个是5个7（批量大小=1），第三个是5个3（批量大小=1），依此类推

有人能给我一个主意吗

如果有人能解释如何用代码实现这一点，那将非常有帮助

---

谢谢！：）

如果您想要一个数据加载器，其中只需要为每个示例定义类标签，那么您可以使用该类。尽管名称不同，它并不一定需要定义数据集的子集。比如说

导入火炬
进口火炬视觉
将torchvision.transforms导入为T
从itertools导入周期
mnist=torchvision.datasets.mnist（root='./'，train=True，transform=T.ToTensor（））
#不确定“…等等”意味着什么，但请随意定义此列表
目标_类=[1,1,1,1,7,7,7,7,7,3,3,3,3,3]
#为MNIST中的每个类创建索引的循环迭代器
索引=dict（）
对于torch.unique（mnist.targets）.tolist（）中的标签：
索引[标签]=循环（torch.nonzero（mnist.targets==标签）.flatte（）.tolist（））
#根据目标类定义新mnist子集中索引的顺序
新的_指数=[]
对于目标课程中的t：
新增索引。追加（下一个（索引[t]））
#基于新的索引创建MNIST的子集
mnist_modified=torch.utils.data.Subset（mnist，new_索引）
dataloader=torch.utils.data.dataloader（mnist\u修改，批大小=1，shuffle=False）
对于枚举（数据加载器）中的idx，（x，y）：
#训练回路
打印（f'Batch{idx+1}标签：{y.tolist（）}'）

如果您想要一个在同一个类的一行中返回五个样本的

数据加载器，但不想手动为每个索引定义类，那么您可以创建一个自定义采样器。比如说

导入火炬
进口火炬视觉
将torchvision.transforms导入为T
从itertools导入周期
类重复类采样器（torch.utils.data.Sampler）：
def uuu init uuuu（自我、目标、重复计数、长度、随机播放=假）：
如果不是火炬，则为张量（目标）：
目标=火炬张量（目标）
self.targets=目标
self.repeat\u count=repeat\u count
self.length=长度
self.shuffle=洗牌
self.classes=torch.unique（targets.tolist（））
self.class_索引=dict（）
对于self.class中的标签：
self.class_索引[label]=torch.nonzero（targets==label）.flatten（）
定义（自我）：
类别索引=dict（）
对于self.class中的标签：
如果self.shuffle：
class_index_iters[label]=循环（self.class_index[label][torch.randperm（len（self.class_index）））].tolist（））
其他：
class\u index\u iters[label]=循环（self.class\u index[label].tolist（））
如果self.shuffle：
target_iter=cycle（self.targets[torch.randperm（len（self.targets））].tolist（））
其他：
target\u iter=cycle（self.targets.tolist（））
def索引_生成器（）：
对于范围内的i（自身长度）：
如果i%self.repeat_count==0：
当前级=下一级（目标级）
下一个收益率（类别指数[当前类别]）
返回索引_生成器（）
定义（自我）：
返回自长度
mnist=torchvision.datasets.mnist（root='./'，train=True，transform=T.ToTensor（））
dataloader=torch.utils.data.dataloader(
mnist，
批次大小=1，
采样器=重复类采样器(
targets=mnist.targets，
重复_count=5，
长度=15，#从数据集中选择的总数
洗牌=真）
对于枚举（数据加载器）中的idx，（x，y）：
#训练回路
打印（f'Batch{idx+1}标签：{y.tolist（）}'）