使用 DataLoader
DataLoader 類別對於有效處理大型資料集至關重要。它能加速訓練、最佳化記憶體用量，並讓梯度更新更穩定，進而提升深度學習模型的效果。
接下來，你會使用前一個練習中的 dataset 建立一個 PyTorch 的 DataLoader，並實際看看它的運作。
本練習屬於課程
使用 PyTorch 的深度學習入門
練習說明
- 匯入所需的模組。
- 使用
dataset建立DataLoader，將批次大小設為 2，並啟用隨機打散（shuffling）。 - 迭代這個
DataLoader，並印出每個批次的輸入與標籤。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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)