pytorch划分训练集

对于PyTorch来说，可以使用`torch.utils.data.random_split`函数来划分训练集。

假设你有一个名为`dataset`的数据集，你可以使用以下代码将其划分为训练集和验证集：

from torch.utils.data import random_split

# 假设有1000个样本
dataset_size = len(dataset)
train_size = int(0.8 * dataset_size)  # 训练集占80%

# 划分训练集和验证集
train_dataset, val_dataset = random_split(dataset, [train_size, dataset_size - train_size])

在上面的代码中，我们假设数据集有1000个样本，我们将80%的数据作为训练集，剩下的20%作为验证集。`random_split`函数接收两个参数，第一个参数是要划分的数据集，第二个参数是一个整数列表，表示每个子数据集的大小。在这里，我们将训练集的大小设置为`train_size`，验证集的大小就是总样本数减去训练集的大小。

现在你可以使用`train_dataset`和`val_dataset`来分别训练和验证你的模型了。