เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เตรียมชุดข้อมูลสำหรับการฝึกแบบกระจาย

หลังจากที่ประมวลผลชุดข้อมูลสำหรับระบบเกษตรกรรมแม่นยำเพื่อช่วยเกษตรกรติดตามสุขภาพพืชผลแล้ว ขั้นตอนต่อไปคือโหลดข้อมูลโดยสร้าง DataLoader จากนั้นวางข้อมูลบน GPU สำหรับการฝึกแบบกระจาย หากมี GPU พร้อมใช้งาน โปรดทราบว่าแบบฝึกหัดนี้ใช้ CPU จริง แต่โค้ดเดียวกันนี้ใช้ได้กับทั้ง CPU และ GPU

ข้อมูลบางส่วนถูกโหลดไว้ล่วงหน้าแล้ว:

  • dataset ตัวอย่างที่มีภาพถ่ายทางการเกษตร
  • คลาส Accelerator จากไลบรารี accelerate
  • คลาส DataLoader

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การเทรน AI Model อย่างมีประสิทธิภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง dataloader สำหรับ dataset ที่กำหนดไว้แล้ว
  • วาง dataloader บนอุปกรณ์ที่มีอยู่โดยใช้ออบเจกต์ accelerator

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

accelerator = Accelerator()

# Create a dataloader for the pre-defined dataset
dataloader = ____(____, batch_size=32, shuffle=True)

# Place the dataloader on available devices
dataloader = accelerator.____(____)

print(accelerator.device)
แก้ไขและรันโค้ด