始める無料で始める

PyTorch DataLoader

Dataset クラスの定義、お見事です！ 先ほど作成した WaterDataset が使える状態になっています。

次のステップは、学習データの準備として DataLoader を設定することです。PyTorch の DataLoader は、Dataset から作成でき、データの読み込み、バッチ分割、必要に応じた変換の適用を行います。これにより、学習に使えるデータサンプルが順に取り出せます。

この演習では、WaterDataset に基づいた DataLoader を作成します。必要な DataLoader クラスはすでに torch.utils.data からインポート済みです。さっそく始めましょう！

この演習はコースの一部です

PyTorchによる中級ディープラーニング

コースを見る

演習の手順

  • water_train.csv から WaterDataset のインスタンスを作成し、dataset_train に代入します。
  • バッチサイズを 2、サンプルをシャッフルする設定で、dataset_train に基づく dataloader_train を作成します。
  • DataLoader から特徴量とラベルのバッチを取得し、出力してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)
コードを編集して実行