ПочатиПочніть безкоштовно

Підготуйте набори даних для розподіленого навчання

Ви попередньо опрацювали набір даних для системи точного землеробства, щоб допомогти фермерам відстежувати стан рослин. Тепер ви завантажите ці дані, створивши DataLoader, і розмістите їх на GPU для розподіленого навчання, якщо GPU доступні. Зверніть увагу: у цій вправі фактично використовується CPU, але код однаковий для CPU і GPU.

Частину даних уже підготовлено:

  • Зразок dataset із сільськогосподарськими зображеннями
  • Клас Accelerator з бібліотеки accelerate
  • Клас DataLoader

Ця вправа є частиною курсу

Ефективне тренування моделей ШІ з PyTorch

Переглянути курс

Інструкції до вправи

  • Створіть dataloader для заздалегідь визначеного dataset.
  • Розмістіть dataloader на доступних пристроях за допомогою об’єкта accelerator.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)
Редагувати та запускати код