PyTorch TensorDataset随机分割报错：randperm参数无效求助

random_split()的第二个参数需要传入整数类型的子集长度列表，你用0.6*len(dataset)和0.4*len(dataset)计算得到的是浮点数（哪怕数值是整数，类型仍为float），导致randperm()接收到无效的浮点参数，触发类型错误。

将子集长度转换为整数，同时确保两个子集长度之和与原数据集总长度一致：

修正后的代码：

import numpy as np
import torch
from torch.utils.data import TensorDataset, random_split

x_numpy = # (20640x8) matrix of floats
y_numpy = # (20640x1) vector of floats
x = torch.from_numpy(x_numpy.astype(np.float32))
y = torch.from_numpy(y_numpy.astype(np.float32))
dataset = TensorDataset(x, y)

# 计算整数形式的训练集、测试集长度
train_size = int(0.6 * len(dataset))
test_size = len(dataset) - train_size  # 避免四舍五入导致的长度偏差，保证总数匹配
trainSet, testSet = random_split(dataset, [train_size, test_size])

若你的PyTorch版本在v1.10及以上，也可直接传入比例列表（需确保比例和为1）：

trainSet, testSet = random_split(dataset, [0.6, 0.4])

但使用整数长度的方式更稳妥，能避免浮点数精度问题引发的长度不匹配。

内容的提问来源于stack exchange，提问作者Thunder