将宽数据框转换为 Pytorch 张量对象的正确尺寸？答案

【问题标题】：Correct dimensions to convert a wide data frame to Pytorch tensor object?将宽数据框转换为 Pytorch 张量对象的正确尺寸？
【发布时间】：2020-01-05 09:37:53
【问题描述】：

我有这个时间序列数据框，它有 56 列和 36508 个样本； 55 个是预测变量，最后一个是输出。我正在尝试拟合 LSTM 神经网络，虽然我能够拟合模型，但我很难将特征转换为 Pytorch 张量对象。目前我已经对 0 和 1 之间的数据进行了归一化，并将数据拆分为训练集和测试集。

import torch
import torch.nn as nn

print(x_train.shape)
(27380, 55)

print(y_train.shape)
(27380,)

print(x_test.shape)
(9128, 55)

print(y_test.shape)
(9128,)

我将目标转换为张量对象没有问题，因为该系列只有 1D，如下所示：

y_train = torch.FloatTensor(y_train).view(-1)
print(y_train[:5])
tensor([0.7637, 0.6220, 0.6566, 0.6922, 0.6774])

但是在转换特征时，我无法确定需要指定的尺寸。我试过这个：

x_train = torch.FloatTensor(x_train).view(-1, 55)

ValueError: could not determine the shape of object type 'DataFrame'

如何正确地将特征数据集转换为张量对象？遗憾的是，文档似乎含糊不清。

【问题讨论】：

标签： python tensorflow pytorch

【解决方案1】：

尝试先转换为 numpy，然后再转换为张量：

x_train = torch.from_numpy(np.array(x_train).astype(np.float32))

【讨论】：

发现torch.FloatTensor(x_train.values.reshape(27380, 55))也会产生张量数组。