Zbiór danych PyTorch
Czas odświeżyć wiedzę o zbiorach danych w PyTorch!
Zanim rozpocznie się trenowanie modelu, trzeba wczytać dane i przekazać je do modelu w odpowiednim formacie. W PyTorch zajmują się tym klasy Dataset i DataLoader. Zacznijmy od zbudowania zbioru danych PyTorch dla naszych danych o jakości wody.
W tym ćwiczeniu zdefiniujesz klasę WaterDataset, która wczyta dane z pliku CSV. W tym celu zaimplementujesz trzy metody, których PyTorch oczekuje od każdego zbioru danych:
.__init__()– do wczytania danych,.__len__()– do zwracania rozmiaru zbioru danych,.__getitem()__– do wyodrębniania cech i etykiety dla pojedynczej próbki.
Następujące importy zostały już wykonane za ciebie:
import pandas as pd
from torch.utils.data import Dataset
To ćwiczenie jest częścią kursu
Głębokie uczenie z PyTorch – poziom średnio zaawansowany
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
class WaterDataset(Dataset):
def __init__(self, csv_path):
super().__init__()
# Load data to pandas DataFrame
df = ____
# Convert data to a NumPy array and assign to self.data
____ = ____.____