เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Creating a train DataLoader

Now that we have split our dataset, we need to define a data loader to provide batches of data during training. DataLoader efficiently loads data into memory and allows shuffling for better generalization. In this exercise, you'll complete the train_dataloader method.

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Scalable AI Models with PyTorch Lightning

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import the DataLoader.
  • Return a DataLoader that loads self.train_data, enabling shuffling for better generalization.

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import libraries
from torch.utils.data import ____
import lightning.pytorch as pl

class LoaderDataModule(pl.LightningDataModule):
    def __init__(self):
        super().__init__()
        self.train_data = None
        self.val_data = None
    def setup(self, stage=None):
        self.train_data, self.val_data = random_split(dataset, [80, 20])
    def train_dataloader(self):
      	# Complete DataLoader
        return ____(____, batch_size=16, shuffle=____)
แก้ไขและรันโค้ด