DataLoader verwenden
Die Klasse DataLoader ist wichtig, um große Datenmengen effizient zu verarbeiten. Es beschleunigt das Training, optimiert die Speichernutzung und stabilisiert Gradienten-Updates, sodass Deep-Learning-Modelle effektiver werden.
Jetzt erstellst du eine PyTorch DataLoader mit der dataset aus der vorherigen Übung und siehst sie in Aktion.
Diese Übung ist Teil des Kurses
Einführung in Deep Learning mit PyTorch
Anleitung zur Übung
- Importiere das gewünschte Modul.
- Erstelle eine
DataLoadermitdataset, stelle eine Stapelgröße von zwei ein und aktiviere das Mischen. - Durchlaufe die
DataLoaderund drucke jeden Stapel von Eingaben und Etiketten.
Interaktive Übung zum Anfassen
Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.
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)