1. Apprendre
    2. /
  2. Cours
    3. /
  3. Apprentissage profond intermédiaire avec PyTorch
Connected

Exercice

PyTorch DataLoader

Bon travail pour la définition de la classe Dataset ! Le WaterDataset que vous venez de créer est maintenant prêt à être utilisé.

L'étape suivante pour préparer les données d'entraînement consiste à configurer un DataLoader. Un DataLoader de PyTorch peut être créé à partir d'un Dataset pour charger les données, les diviser en lots (batches) et effectuer, au besoin, des transformations. Il fournit ensuite un échantillon de données prêt pour l'entraînement.

Dans cet exercice, vous allez construire un DataLoader à partir de WaterDataset. La classe DataLoader dont vous aurez besoin a déjà été importée pour vous depuis torch.utils.data. Allons-y !

Instructions

100 XP
  • Créez une instance de WaterDataset à partir de water_train.csv et assignez-la à dataset_train.
  • Créez dataloader_train à partir de dataset_train, en utilisant une taille de lot (batch size) de deux et en mélangeant les échantillons (shuffle).
  • Récupérez un lot de caractéristiques (features) et d'étiquettes (labels) à partir du DataLoader et affichez-les.