问题描述
假设我的训练/有效/测试数据集 batch_size 和 shuffle 正常。
当我进行训练/验证/测试时，我想从每个样本的整个数据集中抽取一定数量（称为 memory_size）的新样本。
例如，我将batch_size设置为256，让数据集打乱，将memory_size设置为80。
在每个 forward 步骤中，不仅使用数据集中的每个样本，还使用整个原始数据集的样本数据，其大小为 memory_size，我想在 {{1} 中使用它}.让新样本作为内存（是的，我想采用 Memory Networks 的想法）。训练集中每个样本之间的记忆可以重叠。
我正在使用 PyTorch 和 PyTorch-Lightning。我可以为每个 forward、DataLoader 和 train_DataLoader 创建新内存 val_DataLoader 然后使用原始数据加载器加载它吗？或者有没有更好的方法来实现我想要的？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）