Датасет из двух тензоров в PyTorch

Чтобы хранить признаки и цели в одном объекте, используют класс TensorDataset из torch.utils.data. В него передают два тензора: число строк по первой оси должно совпадать.

Создадим таблицу из трёх строк по два признака, ряд из трёх меток и соберём набор. Выведем его длину и одну пару по индексу 0:

import torch
from torch.utils.data import TensorDataset

features = torch.tensor([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
targets = torch.tensor([0, 1, 0])
ds = TensorDataset(features, targets)
print(len(ds)) # выведет 3
pair = ds[0]
print(pair[0], pair[1]) # выведет tensor([1., 2.]) tensor(0)

Длина набора равна числу строк в таблице признаков. Обращение по индексу возвращает два тензора: строку признаков и одну метку для этой строки.

Соберите таблицу из четырёх строк [[0.0, 1.0], [2.0, 3.0], [4.0, 5.0], [6.0, 7.0]] и ряд меток [1, 0, 1, 0]. Объедините их в один набор и выведите, сколько в нём элементов.

Для таблицы из двух строк [[1.0, 0.0], [0.0, 1.0]] и ряда [2, 3] получите набор пар. Выведите метку, соответствующую второй строке таблицы.

Создайте таблицу из пяти строк по одному числу - от 0.0 до 4.0 - и ряд меток [0, 0, 1, 1, 1]. Выведите признаки и метку для элемента с индексом 3.