machine-learning - 在非图像数据集上在 pytorch 中实现神经网络

Question

所以我想在分类问题上实现一个神经网络。互联网上的示例是实现图像分类问题，他们通常从库中加载数据集，但我想在非图像分类问题上实现它。（3个班）

所以我有一个 12000x13 的数据框（12000 个点，12 个特征，最后一列是目标变量）。我想在这个数据集上训练我的神经网络。首先，我在将此数据帧转换为适当的维度（和大小）张量时遇到问题，然后是如何定义 torch_loader 和 test_loader。我们是先分离目标变量还是 Pytorch 自己处理？

一旦我输入了 Pytorch 所需的格式，我在定义网络结构时将不会遇到任何问题，因为这将类似于 Internet 上的图像分类问题。

PS：主要是在互联网上，他们提供了一个在 MNIST 数据集上实现的示例，我无法找到我的问题的答案

标签： machine-learningneural-networkpytorchpytorch-dataloader