훈련 DataLoader 만들기
데이터셋을 분할했으니, 이제 학습 중에 배치 단위로 데이터를 제공할 데이터 로더를 정의해야 해요. DataLoader는 데이터를 메모리에 효율적으로 적재하고, 더 나은 일반화를 위해 셔플을 허용해요. 이번 연습에서는 train_dataloader 메서드를 완성해 보세요.
이 연습은 강의의 일부입니다
PyTorch Lightning으로 만드는 확장 가능한 AI 모델
연습 안내
DataLoader를 임포트하세요.- 더 나은 일반화를 위해 셔플을 활성화하고,
self.train_data를 로드하는DataLoader를 반환하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import libraries
from torch.utils.data import ____
import lightning.pytorch as pl
class LoaderDataModule(pl.LightningDataModule):
def __init__(self):
super().__init__()
self.train_data = None
self.val_data = None
def setup(self, stage=None):
self.train_data, self.val_data = random_split(dataset, [80, 20])
def train_dataloader(self):
# Complete DataLoader
return ____(____, batch_size=16, shuffle=____)