我试图将CIFAR10的训练数据分割，以便使用训练集的最后5000个样本作为验证集。我的代码如下：

size = len(CIFAR10_training)dataset_indices = list(range(size))val_index = int(np.floor(0.9 * size))train_idx, val_idx = dataset_indices[:val_index], dataset_indices[val_index:]train_sampler = SubsetRandomSampler(train_idx)val_sampler = SubsetRandomSampler(val_idx)train_dataloader = torch.utils.data.DataLoader(CIFAR10_training,                                          batch_size=config['batch_size'],                                          shuffle=False,  sampler = train_sampler)valid_dataloader = torch.utils.data.DataLoader(CIFAR10_training,                                           batch_size=config['batch_size'],                                           shuffle=False,  sampler = val_sampler)print(len(train_dataloader.dataset),len(valid_dataloader.dataset),

但是最后的打印语句输出的是50000和10000。难道不应该是45000和5000吗？当我打印train_idx和val_idx时，它打印了正确的数值（[0:44999],[45000:49999]）。我的代码有什么问题吗？

回答：

我无法重现你的结果，当我执行你的代码时，打印语句输出的都是相同的数字：train_CIFAR10中的元素数量。所以我猜你在复制代码时犯了一个错误，valid_dataloader实际上是给定了CIFAR10_test（或类似的东西）作为参数。接下来，我将假设这是真的，并且你的打印输出是(50000, 50000)，这是Pytorch的CIFAR10数据集训练部分的大小。

那么这是完全可以预期的，不是应该输出(45000, 5000)。你请求的是train_dataloader.dataset和valid_dataloader.dataset的长度，即底层数据集的长度。对于这两个加载器，这个数据集是CIFAR10_training。因此你会得到这个数据集大小的两倍（即50000）。

你也不能请求len(train_dataloader)，因为那将返回数据集中批次的数量（大约是45000/batch_size）。

如果你需要知道你的分割的大小，那么你必须计算采样器的长度：

print(len(train_dataloader.sampler), len(valid_dataloader.sampler))

除此之外，你的代码是正确的，你正确地分割了数据。