เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

PyTorch DataLoader

ยอดเยี่ยมมากที่กำหนด Dataset class ได้สำเร็จ! ตอนนี้ WaterDataset ที่สร้างไว้พร้อมใช้งานแล้ว

ขั้นตอนต่อไปในการเตรียมข้อมูลสำหรับฝึกโมเดล คือการตั้งค่า DataLoader PyTorch DataLoader สร้างได้จาก Dataset เพื่อโหลดข้อมูล แบ่งออกเป็น batch และแปลงข้อมูลตามต้องการ จากนั้นจะส่งออกตัวอย่างข้อมูลที่พร้อมสำหรับการฝึกโมเดล

ในแบบฝึกหัดนี้ จะได้สร้าง DataLoader จาก WaterDataset โดย class DataLoader ที่ต้องใช้ถูก import มาจาก torch.utils.data ให้แล้ว ไปเริ่มกันเลย!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning ระดับกลางด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง instance ของ WaterDataset จากไฟล์ water_train.csv แล้วกำหนดให้กับตัวแปร dataset_train
  • สร้าง dataloader_train จาก dataset_train โดยกำหนด batch size เป็น 2 และสุ่มลำดับตัวอย่างข้อมูล
  • ดึงข้อมูล features และ labels หนึ่ง batch จาก DataLoader แล้วแสดงผล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด