Чтобы ответить на ваш вопрос
В PyTorch tensor.size()
позволяет проверить форму тензора.
В вашемкод,
images, labels = data
images
и labels
каждый будет содержать N
количество примеров обучения зависит от размера вашей партии.Если вы проверите форму меток, это должно быть [N, 1]
, где N - размер примера мини-пакета обучения.
Немного предвидения для новичков вобучение нейронной сети.
При обучении нейронной сети практикующие будут передавать набор данных через сеть и оптимизировать градиенты.
Скажем, ваш обучающий набор данных содержит 1 миллион изображений, а ваш тренировочный сценарий разработан таким образом, чтобы передать все 1 миллион изображений в одну эпоху.Проблема этого подхода в том, что вам потребуется очень много времени, чтобы получить обратную связь от вашей нейронной сети.Именно здесь начинается обучение мини-пакетам.
В PyTorch класс DataLoader позволяет разбить набор данных на несколько пакетов.Если ваш учебный загрузчик содержит 1 миллион примеров и размер пакета равен 1000, вы должны ожидать, что каждая эпоха будет повторять 1000 шагов во всех мини-пакетах.Таким образом, вы сможете лучше наблюдать и оптимизировать результаты тренировок.