ÎncepețiÎncepe gratuit

PyTorch DataLoader

Bună treabă că ai definit clasa Dataset! WaterDataset-ul pe care tocmai l-ai creat este acum disponibil pentru utilizare.

Următorul pas în pregătirea datelor de antrenament este configurarea unui DataLoader. Un DataLoader PyTorch poate fi creat dintr-un Dataset pentru a încărca date, a le împărți în loturi și a aplica transformări asupra lor, dacă este necesar. Apoi, produce un eșantion de date gata pentru antrenament.

În acest exercițiu, vei construi un DataLoader bazat pe WaterDataset. Clasa DataLoader de care ai nevoie a fost deja importată pentru tine din torch.utils.data. Să începem!

Acest exercițiu face parte din cursul

Deep Learning intermediar cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează o instanță a clasei WaterDataset din fișierul water_train.csv și atribuie-o variabilei dataset_train.
  • Creează dataloader_train pe baza lui dataset_train, folosind un lot de dimensiune doi și amestecând eșantioanele.
  • Obține un lot de caracteristici și etichete din DataLoader și afișează-le.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)
Editează și rulează codul