Случайное разбиение набора в PyTorch

Удобно часть примеров оставить для проверки, а остальные - для обучения. Функция random_split из torch.utils.data делит набор на несколько частей по заданным длинам; сумма длин должна совпадать с размером исходного набора.

Чтобы разбиение повторялось, передают объект Generator с зафиксированным зерном. Разделим пять элементов на три и два, затем выведем длины обеих частей:

import torch
from torch.utils.data import TensorDataset, random_split

features = torch.tensor([[1.0], [2.0], [3.0], [4.0], [5.0]])
targets = torch.tensor([0, 1, 0, 1, 0])
ds = TensorDataset(features, targets)
gen = torch.Generator().manual_seed(42)
train_part, test_part = random_split(ds, [3, 2], generator=gen)
print(len(train_part), len(test_part)) # выведет 3 2

Каждая часть ведёт себя как отдельный набор: к ней можно обращаться по индексу и подключать загрузчик с пакетами.

Соберите набор из 10 строк по одному числу от 0.0 до 9.0 и такого же числа нулевых меток. Разделите его на части длиной 7 и 3 с зерном 0. Выведите длины обеих частей.

Для набора из шести пар признак-метка разделите данные на 4 и 2 элемента, зафиксировав зерно 100. Выведите, сколько элементов попало во вторую часть.

Из восьми строк-признаков и восьми меток получите набор и разделите его поровну на две части по 4 элемента. С зерном 1 выведите длину первой части.