DataLoader gebruiken
De klasse DataLoader is essentieel voor het efficiënt verwerken van grote gegevenssets. Het versnelt het trainen, optimaliseert het geheugengebruik en stabiliseert de gradiëntupdates, waardoor deep learning-modellen effectiever worden.
Nu ga je een PyTorch DataLoader maken met de dataset uit de vorige oefening en zie je ‘m in actie.
Deze oefening maakt deel uit van de cursus
Introductie tot Deep Learning met PyTorch
Oefeninstructies
- Importeer de benodigde module.
- Maak een
DataLoadermetdataset, stel de batchgrootte in op twee en schakel schudden in. - Itereer door de
DataLoaderen print elke batch met inputs en labels.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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)