शुरू करेंमुफ़्त में शुरू करें

PyTorch DataLoader

Dataset क्लास परिभाषित करने का अच्छा काम! आपने जो WaterDataset बनाया है, वह अब उपयोग के लिए उपलब्ध है.

ट्रेनिंग डेटा तैयार करने का अगला कदम DataLoader सेटअप करना है. PyTorch का DataLoader किसी Dataset से बनाया जा सकता है ताकि डेटा लोड किया जा सके, उसे बैचों में बाँटा जा सके, और जरूरत हो तो उस पर transformations लागू किए जा सकें. इसके बाद यह ट्रेनिंग के लिए तैयार सैंपल देता है.

इस अभ्यास में, आप WaterDataset के आधार पर एक DataLoader बनाएँगे. जिस DataLoader क्लास की आपको ज़रूरत है, उसे torch.utils.data से पहले ही इम्पोर्ट किया जा चुका है. चलिए शुरू करते हैं!

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट Deep Learning with PyTorch

पाठ्यक्रम देखें

अभ्यास निर्देश

  • water_train.csv से WaterDataset का एक instance बनाएँ और उसे dataset_train में असाइन करें.
  • dataset_train के आधार पर dataloader_train बनाएँ, बैच साइज़ 2 रखें और सैंपल्स को shuffle करें.
  • DataLoader से फीचर्स और लेबल्स का एक बैच लें और उन्हें प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ