CommencerCommencer gratuitement

Utilisation de DataLoader

La classe DataLoader est essentielle pour traiter efficacement les grands ensembles de données. Elle accélère l’entraînement, optimise l’utilisation de la mémoire et stabilise les mises à jour des gradients, ce qui rend les modèles de deep learning plus efficaces.

Maintenant, vous allez créer un DataLoader PyTorch en utilisant le dataset de l’exercice précédent et l’observer en action.

Cet exercice fait partie du cours

Introduction au deep learning avec PyTorch

Afficher le cours

Instructions

  • Importez le module requis.
  • Créez un DataLoader à l’aide de dataset, en définissant une taille de lot de deux et en activant le brassage.
  • Itérez sur le DataLoader et imprimez chaque lot d’entrées et d’étiquettes.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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)
Modifier et exécuter le code