我想在Pytorch中使用skorch进行交叉验证，所以我准备了我的模型和我的tensorDataset，它返回(image, caption和captions_length)，因此它有X和Y，所以我无法在方法中设置Y

net.fit(dataset)

但当我尝试这样做时，我得到了一个错误：

ValueError: 分层CV需要明确传递一个合适的y

这是我代码的一部分：

start = time.time()net = NeuralNetClassifier(        decoder, criterion= nn.CrossEntropyLoss,        max_epochs=args.epochs,        lr=args.lr,        optimizer=optim.SGD,        device='cuda',  # 取消注释此行以使用CUDA进行训练       )net.fit(dataset, y=None)end = time.time()

回答：

您（隐式地）使用了skorch的内部CV分割，这在NeuralNetClassifier的情况下使用分层分割，这反过来需要事先了解标签的信息。

当将X和y分别传递给fit时，这一切正常，因为y始终是可访问的。问题在于您使用的是torch.dataset.Dataset，它是惰性的，并且不直接提供对y的访问，因此出现了错误。

您的选项如下。

设置train_split=None以禁用内部CV分割

net = NeuralNetClassifier(    train_split=None,)

您将失去内部验证，因此也会失去诸如提前停止之类的功能。

预先分割您的数据

将您的数据集分割成两个数据集，dataset_train和dataset_valid，然后使用skorch.helper.predefined_split：

net = NeuralNetClassifier(    train_split=predefined_split(dataset_valid),)

您不会失去任何东西，但根据您的数据，这可能比较复杂。

提取您的y并传递给fit

y_train = np.array([y for X, y in iter(my_dataset)])net.fit(my_dataset, y=y_train)

这仅在您的y适合内存时有效。由于您使用的是TensorDataset，您还可以执行以下操作来提取您的y：

y_train = my_dataset.y