ПочатиПочніть безкоштовно

Використання DataLoader

Клас DataLoader є ключовим для ефективної обробки великих наборів даних. Він пришвидшує тренування, оптимізує використання пам'яті та стабілізує оновлення градієнтів, завдяки чому моделі глибинного навчання працюють результативніше.

Тепер ви створите DataLoader у PyTorch, використовуючи dataset з попередньої вправи, і подивитеся, як він працює на практиці.

Ця вправа є частиною курсу

Вступ до Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Імпортуйте потрібний модуль.
  • Створіть DataLoader, використовуючи dataset, встановивши розмір батча два та ввімкнувши перемішування.
  • Пройдіться ітерацією по DataLoader і виведіть кожен батч вхідних даних і міток.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)
Редагувати та запускати код