Bắt đầu ngayBắt đầu miễn phí

Sử dụng DataLoader

Lớp DataLoader rất quan trọng để xử lý hiệu quả các tập dữ liệu lớn. Nó tăng tốc quá trình huấn luyện, tối ưu hóa việc sử dụng bộ nhớ và giúp cập nhật gradient ổn định hơn, từ đó làm mô hình deep learning hiệu quả hơn.

Bây giờ, bạn sẽ tạo một DataLoader của PyTorch từ dataset ở bài trước và xem nó hoạt động như thế nào.

Bài tập này là một phần của khóa học

Nhập môn Deep Learning với PyTorch

Xem khóa học

Hướng dẫn bài tập

  • Import mô-đun cần thiết.
  • Tạo một DataLoader từ dataset, đặt kích thước batch là hai và bật xáo trộn (shuffling).
  • Lặp qua DataLoader và in ra từng batch của input và label.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

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)
Chỉnh sửa và Chạy Mã