对于神经网络项目,我使用 Pytorch 并使用 EMNIST 数据集。
已经给出的代码加载到数据集中:
train_dataset = dsets.MNIST(root='./data',
train=True,
transform=transforms.ToTensor(),
download=True)
并准备它:
train_loader = torch.utils.data.DataLoader(dataset=train_dataset,
batch_size=batch_size,
shuffle=True)
然后,当定义了网络的所有配置后,有一个 for 循环来训练每个时期的模型:
for i, (images, labels) in enumerate(train_loader):
在示例代码中,这工作得很好。
对于我的任务,我得到了一个加载的数据集,如下所示:
emnist = scipy.io.loadmat("DIRECTORY/emnist-letters.mat")
data = emnist ['dataset']
X_train = data ['train'][0, 0]['images'][0, 0]
y_train = data ['train'][0, 0]['labels'][0, 0]
然后,我创建 train_dataset 如下:
train_dataset = np.concatenate((X_train, y_train), axis = 1)
train_dataset = torch.from_numpy(train_dataset)
并使用相同的步骤来准备它:
train_loader = torch.utils.data.DataLoader(dataset=train_dataset,
batch_size=batch_size,
shuffle=True)
但是,当我尝试使用与以前相同的循环时:
for i, (images, labels) in enumerate(train_loader):
我收到以下错误:
ValueError: too many values to unpack (expected 2)
谁知道我可以做什么才能用这个循环训练我的数据集?