PyTorch 时序预测 Dataloader 构建：GRU 与 Shuffle 机制解析

PyTorch 时序预测中 Dataloader 的构建要点

在使用 PyTorch 进行时序预测（如 GRU、LSTM）时，Dataloader 的构建方式直接影响模型能否正确学习时间依赖。很多开发者会纠结两个问题：自定义 Dataset 时如何处理序列切片，以及开启 shuffle=True 是否会打乱时间顺序。

时序数据与静态数据的差异

对于非时序数据，Dataset 的 __getitem__ 直接根据索引返回单条样本即可，此时 shuffle 与否主要影响训练时的批次顺序。但时序数据不同，一个'样本'往往是由多个时刻组成的序列。

如果数据量不大，我们可以预先用循环将所有序列拼接成一个大矩阵。例如设定窗口大小为 2，遍历原始数据生成输入 X 和标签 y：

X = []
y = []
window_size = 2

for i in range(len(data) - window_size):
    X.append(data[i:i+window_size, :])
    y.append(labels[i+window_size-1])

X = np.array(X)
y = np.array(y)

这种方式直观，但在数据量大时会消耗大量内存且耗时。更推荐的做法是在 Dataset 内部动态切片，既节省空间又灵活。

自定义 Dataset 实现

下面是一个标准的时序 Dataset 写法。注意 __len__ 需要减去窗口大小，防止越界：

class TimeSeriesDataset(Dataset):
    def __init__(self, features, labels, window_size=2):
        self.window_size = window_size
        self.features = features
        self.labels = labels

    def __getitem__(self, index):
        # 获取当前索引开始的窗口序列
        feature = self.features[index:index+self.window_size, :]
        if self.labels is not None:
            label = self.labels[index+self.window_size-1]
            return feature, label
        :
             feature

     ():
         (.features) - .window_size