如何将PyTorch DataLoader批次合并为单个NumPy数组？

直接用列表收集所有批次的输入和标签，最后一次性拼接，完全不用判断首次迭代：

import numpy as np

# 遍历DataLoader时收集所有批次数据
inputs_list = []
labels_list = []
for batch in train_loader:
    inputs, labels = batch
    # 若数据是PyTorch Tensor，先转成numpy数组
    inputs_list.append(inputs.numpy())
    labels_list.append(labels.numpy())

# 沿样本维度（第0轴）拼接所有数组
all_inputs = np.concatenate(inputs_list, axis=0)
all_labels = np.concatenate(labels_list, axis=0)

这种方式不管批次大小是否能整除总样本数，都能生成形状正确的完整数组。

对于形状为(300,28,28,3)和(500,28,28,3)的两个数组，直接用np.concatenate沿第0轴合并即可：

arr1 = np.random.rand(300,28,28,3)
arr2 = np.random.rand(500,28,28,3)
merged_arr = np.concatenate([arr1, arr2], axis=0)
# 合并后数组形状为(800,28,28,3)

如果是仅在第0轴合并，也可以用np.vstack((arr1, arr2))，但np.concatenate更通用，支持指定任意合并轴。

内容的提问来源于stack exchange，提问作者CarinaE