Używanie DataLoadera
Klasa DataLoader jest niezbędna do wydajnej obsługi dużych zbiorów danych. Przyspiesza trening, optymalizuje wykorzystanie pamięci i stabilizuje aktualizacje gradientów, dzięki czemu modele uczenia głębokiego działają skuteczniej.
Teraz stworzysz DataLoader w PyTorchu, korzystając ze zbioru dataset z poprzedniego ćwiczenia, i zobaczysz go w akcji.
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia głębokiego z PyTorch
Instrukcje do ćwiczenia
- Zaimportuj wymagany moduł.
- Utwórz
DataLoaderna podstawiedataset, ustawiając rozmiar wsadu równy dwa i włączając losowe mieszanie danych. - Przejdź przez
DataLoaderw pętli i wyświetl każdy wsad danych wejściowych oraz etykiet.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)