Использование DataLoader
Класс DataLoader незаменим для эффективной работы с большими наборами данных. Он ускоряет обучение, оптимизирует использование памяти и стабилизирует обновления градиентов, что делает модели глубокого обучения более результативными.
Теперь вы создадите DataLoader в PyTorch, используя dataset из предыдущего упражнения, и посмотрите, как он работает.
Это упражнение является частью курса
Введение в глубокое обучение с PyTorch
Инструкции к упражнению
- Импортируйте необходимый модуль.
- Создайте
DataLoaderна основеdataset, задав размер батча равным двум и включив перемешивание данных. - Выполните итерацию по
DataLoaderи выведите каждый батч входных данных и меток.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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)