У меня проблема с 2 классами, и мои данные сильно разбалансированы.У меня 232550 образцов из одного класса и 13498 из второго класса.Документы PyTorch и Интернет говорят мне использовать класс WeightedRandomSampler для моего DataLoader.
Я пытался использовать WeightedRandomSampler, но продолжаю получать ошибки.
trainratio = np.bincount(trainset.labels)
classcount = trainratio.tolist()
train_weights = 1./torch.tensor(classcount, dtype=torch.float)
train_sampleweights = train_weights[trainset.labels]
train_sampler = WeightedRandomSampler(weights=train_sampleweights,
num_samples = len(train_sampleweights))
trainloader = DataLoader(trainset, sampler=train_sampler,
shuffle=False)
Не могу понять, почему я получаю эту ошибку при инициализации класса WeightedRandomSampler?
Я пробовал другие подобные обходные пути, но пока все попытки приводят к некоторой ошибке.Как мне реализовать это, чтобы сбалансировать данные о моих поездах, валидации и тестах?
В настоящее время получаю эту ошибку:
train__sampleweights = train_weights [trainset.labels] ValueError: str слишком много измерений 'str'