Använda DataLoader
Klassen DataLoader är ett viktigt verktyg för att hantera stora datamängder på ett effektivt sätt. Den påskyndar träningen, optimerar minnesanvändningen och stabiliserar gradientuppdateringarna – vilket gör djupinlärningsmodeller mer effektiva.
Nu ska du skapa en PyTorch DataLoader med hjälp av dataset från föregående övning och se hur den fungerar i praktiken.
Den här övningen är en del av kursen
Introduktion till djupinlärning med PyTorch
Övningsinstruktioner
- Importera det modul som behövs.
- Skapa en
DataLoadermeddataset, ange en batchstorlek på två och aktivera blandning. - Iterera genom
DataLoaderoch skriv ut varje batch med indata och etiketter.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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)