我收集了一個用于二進制文本分類的小數據集，我的目標是使用Convolutional Neural Networks for Sentence Classification提出的方法訓練模型我通過使用torch.util.data.Dataset. 基本上我的數據集中的每個樣本my_data都是這樣的（例如）：{"words":[0,1,2,3,4],"label":1},{"words":[4,9,20,30,4,2,3,4,1],"label":0}接下來我看了一下用 pytorch 編寫自定義數據加載器：使用：dataloader = DataLoader(my_data, batch_size=2,                    shuffle=False, num_workers=4)我懷疑枚舉一個批次會產生以下結果：{"words":[[0,1,2,3,4],[4,9,20,30,4,2,3,4,1]],"labels":[1,0]}然而它更像是這樣的：{"words":[[0,4],[1,9],[2,20],[3,30],[4,4]],"label":[1,0]}我想這與它們的大小不相等有關。它們是否需要相同的大小，如果需要，我該如何實現？對于了解這篇論文的人來說，你的訓練數據是什么樣的？編輯：class CustomDataset(Dataset):def __init__(self, path_to_file, max_size=10, transform=None):    with open(path_to_file) as f:        self.data = json.load(f)    self.transform = transform    self.vocab = self.build_vocab(self.data)    self.word2idx, self.idx2word = self.word2index(self.vocab)def get_vocab(self):    return self.vocabdef get_word2idx(self):    return self.word2idx, self.idx2worddef __len__(self):    return len(self.data)def __getitem__(self, idx):    if torch.is_tensor(idx):        idx = idx.tolist()    inputs_ = word_tokenize(self.data[idx][0])    inputs_ = [w for w in inputs_ if w not in stopwords]    inputs_ = [w for w in inputs_ if w not in punctuation]    inputs_ = [self.word2idx[w] for w in inputs_]  # convert words to index    label = {"positive": 1,"negative": 0}    label_ = label[self.data[idx][1]] #convert label to 0|1    sample = {"words": inputs_, "label": label_}    if self.transform:        sample = self.transform(sample)    return sample