为分布式训练准备数据集

您已经为一个精准农业系统预处理了数据集，以帮助农民监测作物健康。现在，您将通过创建 DataLoader 来加载数据，并在可用时将数据放到 GPU 上进行分布式训练。请注意，本练习实际使用的是 CPU，但在 CPU 和 GPU 上代码是相同的。

已预加载部分数据：

一个包含农业影像的示例 dataset
来自 accelerate 库的 Accelerator 类
DataLoader 类

本练习是课程的一部分

使用 PyTorch 高效训练 AI 模型

查看课程

练习说明

为预定义的 dataset 创建一个 dataloader。
使用 accelerator 对象将 dataloader 放置到可用设备上。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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)

编辑并运行代码