我遇到了一个可能很小的问题，但我已经卡了好一段时间了。希望有人能帮我解决。我目前正在使用Kddcup99数据集，并希望通过深度学习（CNN网络）进行训练。

我有一个包含Pandas DataFrame的“Dataset”类。因此，我将其分为正常和验证数据集。到目前为止，没有问题。我将其加载到NumPy向量中，然后转换为Tensor，最后传递给DataLoader。

Dataset类中有两个重要的方法用于迭代：

def __len__(self):        return len(self.val_df)def __getitem__(self, index):                img, target = self.val_df[index][:-1], self.val_df[index][-1]        return img, target, index

不在类中的是DataLoader的代码：

test_dataloader = DataLoader(datat.val_df, batch_size=10, shuffle=True)

在我的Trainer类中，我有一个for循环，应该通过Dataloader进行迭代：

with torch.no_grad():            for data in dataloader:                inputs, labels, idx = data                inputs = inputs.to(self.device)

但它不起作用。我无法访问标签、索引等信息。

我的问题是：为什么？如何通过Dataloader从给定的Dataset中访问标签和索引？

感谢大家的帮助！非常感激。

回答：

DataLoader的第一个参数是你想要加载数据的数据集，通常是一个Dataset，但不限于Dataset的任何实例。只要它定义了长度（__len__）并且可以被索引（__getitem__允许这样做），它就是可以接受的。

你将datat.val_df传递给了DataLoader，这可能是一个NumPy数组。NumPy数组有长度并且可以被索引，因此可以用于DataLoader。由于你直接传递了该数组，你的数据集的__getitem__方法从未被调用，而是数组本身被索引，因此每个项目只是data.val_df[index]。

你不应该使用底层数据作为DataLoader的输入，而应该使用数据集本身（datat）：

test_dataloader = DataLoader(datat, batch_size=10, shuffle=True)