PyTorch DataLoader
Dataset 클래스를 잘 정의하셨어요! 방금 만든 WaterDataset을 이제 사용할 수 있습니다.
훈련 데이터를 준비하는 다음 단계는 DataLoader를 설정하는 일입니다. PyTorch의 DataLoader는 Dataset에서 생성하여 데이터를 로드하고, 배치로 나누고, 필요하다면 변환까지 수행할 수 있습니다. 이렇게 준비된 데이터 샘플을 학습에 바로 사용할 수 있게 제공합니다.
이번 연습에서는 WaterDataset을 기반으로 DataLoader를 만들어 보겠습니다. 필요한 DataLoader 클래스는 이미 torch.utils.data에서 임포트되어 있습니다. 시작해 볼까요?
이 연습은 강의의 일부입니다
PyTorch로 배우는 Intermediate Deep Learning
연습 안내
water_train.csv에서WaterDataset인스턴스를 생성해dataset_train에 할당하세요.- 배치 크기를 2로 하고 셈플을 섞도록 설정하여
dataset_train을 기반으로dataloader_train을 만드세요. - DataLoader에서 특성과 레이블 한 배치를 가져와 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)