我有一个自制数据集,有几百万行。我想制作截断副本。因此,我剪辑用于创建原始数据集的张量并创建一个新的数据集。但是,当我保存这个只有20K行的新数据集时,它在磁盘上的大小与原始数据集相同。否则,一切似乎都正常,包括我检查的新张量的大小。我做错了什么?
#original dataset - 2+million rows
dataset = D.TensorDataset(training_data, labels)
torch.save(dataset, filename)
#20k dataset for experiments
d = torch.Tensor(training_data[0:20000])
l = torch.Tensor(labels[0:20000])
ds_small = D.TensorDataset(d,l)
#this is the same size as the one above on disk... approx 1.45GB
torch.save(ds_small, filename_small)
谢谢