DataLoader verwenden
Die Klasse DataLoader ist wichtig, um große Datenmengen effizient zu verarbeiten. Sie beschleunigt das Training, optimiert die Speichernutzung und stabilisiert Gradienten-Updates, sodass Deep-Learning-Modelle effektiver werden.
Erstelle nun einen PyTorch-DataLoader mit dem dataset aus der vorherigen Übung und beobachte ihn in Aktion.
Diese Übung ist Teil des Kurses
Einführung in Deep Learning mit PyTorch
Anleitung zur Übung
- Importiere das gewünschte Modul.
- Erstelle einen
DataLoadermitdataset, stelle eine Stapelgröße von 2 ein und aktiviere das Mischen. - Durchlaufe den
DataLoaderund gib jeden Stapel von Eingängen und Labels aus.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
from torch.utils.data import ____
# Create a DataLoader
dataloader = ____
# Iterate over the dataloader
for batch_inputs, batch_labels in dataloader:
print('batch_inputs:', batch_inputs)
print('batch_labels:', batch_labels)