Začněte nyníZačněte zdarma

PyTorch DataLoader

Skvělá práce při definování třídy Dataset! WaterDataset, který jsi právě vytvořil/a, je teď připravený k použití.

Dalším krokem při přípravě trénovacích dat je nastavení DataLoaderu. PyTorch DataLoader lze vytvořit z Datasetu – načítá data, rozděluje je do dávek a podle potřeby na nich provádí transformace. Výsledkem je vzorek dat připravený k trénování.

V tomto cvičení sestavíš DataLoader založený na WaterDatasetu. Třída DataLoader, kterou budeš potřebovat, je už naimportovaná z torch.utils.data. Pojďme na to!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř instanci WaterDataset ze souboru water_train.csv a přiřaď ji do proměnné dataset_train.
  • Vytvoř dataloader_train na základě dataset_train s velikostí dávky dva a s náhodným promícháním vzorků.
  • Získej dávku příznaků a štítků z DataLoaderu a vypiš ji.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create an instance of the WaterDataset
dataset_train = ____(____)

# Create a DataLoader based on dataset_train
dataloader_train = ____(
    ____,
    batch_size=____,
    shuffle=____,
)

# Get a batch of features and labels
features, labels = ____
print(features, labels)
Upravit a spustit kód