torch.randint()函数在get_batch中无法生成随机值的问题求助

核心问题：Python列表与PyTorch张量的索引不兼容 #

你的代码存在两个关键问题：

1. data 是Python列表，而 ix 是PyTorch张量。用张量元素作为Python列表的索引时，虽然标量张量可能被隐式转换为整数，但这个过程可能出现未预期行为（比如部分环境下转换失败，导致索引默认取0）。
2. 直接对Python列表切片后用 torch.stack 拼接，不仅效率低，还容易因类型不匹配引发异常。

修复方案 #

方案1：将data转为PyTorch张量（推荐） #

把整个 data 转为PyTorch张量后，利用张量的广播索引高效获取batch，彻底避免Python列表的索引问题：

def get_batch(split):
    # 将Python列表转为PyTorch张量，根据数据类型选择合适的dtype（如torch.long/torch.float）
    data = torch.tensor([包含200万个数字的列表], dtype=torch.long)
    ix = torch.randint(len(data) - block_size, (batch_size,))
    print(ix)
    # 利用广播生成索引矩阵，批量获取x和y
    x = data[ix[:, None] + torch.arange(block_size)]
    y = data[ix[:, None] + torch.arange(block_size) + 1]
    return x, y

方案2：将ix转为Python整数列表 #

如果需要保留Python列表形式的 data，可以先把 ix 转为整数列表，确保索引是Python原生整数：

def get_batch(split):
    data = [包含200万个数字的列表]
    ix = torch.randint(len(data) - block_size, (batch_size,)).tolist()  # 转为整数列表
    print(ix)
    # 每个切片转为张量后再堆叠
    x = torch.stack([torch.tensor(data[i:i+block_size]) for i in ix])
    y = torch.stack([torch.tensor(data[i+1:i+block_size+1]) for i in ix])
    return x, y

额外验证点 #

• 检查 data 列表中对应 ix 索引位置的元素是否确实非0（排除因 data 本身数据问题导致全0张量的可能）。
• 确保 block_size 和 batch_size 的定义在函数作用域内可访问（比如是全局变量或函数参数）。

内容的提问来源于stack exchange，提问作者Shanu Jha