如何在PyTorch中从CSV读取数字数据？

我是PyTorch的新手；尝试实现我在TF中开发的模型并比较结果。该模型是一个自动编码器模型。输入数据是一个csv文件，包括n个样本，每个样本具有m个特征（csv文件中的n*m数字矩阵）。目标（标签）位于与输入文件格式相同的另一个csv文件中。我一直在网上查找，但找不到一个好的文档，可以从带有多个标签的csv文件中读取非图像数据。你知道我如何读取数据并在培训期间对其进行迭代吗

---

谢谢

您可能正在寻找类似的产品吗

阶级 torchtext.data.TablerDataset（路径、格式、字段、skip_header=False、csv_reader_params={}、**kwargs）

定义以CSV、TSV或JSON格式存储的列数据集

它将获取CSV文件的路径，并从中构建数据集。您还需要指定将成为数据字段的列的名称

---

通常，特定类型数据的torch.Dataset的所有实现都位于torchvision、torchtext和torchaudio库中pytorch之外

你可能在找类似的东西吗

阶级 torchtext.data.TablerDataset（路径、格式、字段、skip_header=False、csv_reader_params={}、**kwargs）

定义以CSV、TSV或JSON格式存储的列数据集

它将获取CSV文件的路径，并从中构建数据集。您还需要指定将成为数据字段的列的名称

---

通常，特定类型数据的torch.Dataset的所有实现都位于torchvision、torchtext和torchaudio库中pytorch之外

为什么不使用

pandas

加载数据集，然后使用pytorch相关类在张量内构建数据集？谢谢您的评论！我正在寻找类似于tf中的tf.data.experimental.make_csv_数据集的东西。因此，我可以洗牌数据并流式传输数据，而无需手动创建数据批。为什么不使用

pandas

加载数据集，然后使用pytorch相关类在张量内对其进行帧处理？谢谢您的评论！我正在寻找类似于tf中的tf.data.experimental.make_csv_数据集的东西。因此，我可以洗牌数据并流化数据，而无需手动创建批量数据。