开始使用免费开始使用

PyTorch DataLoader

定义 Dataset 类做得很好！您刚刚创建的 WaterDataset 现在已经可以使用。

准备训练数据的下一步是设置一个 DataLoader。PyTorch 的 DataLoader 可以基于 Dataset 创建，用于加载数据、按批次拆分，并在需要时对数据执行变换。然后，它会产出可用于训练的数据样本。

在本练习中，您将基于 WaterDataset 构建一个 DataLoader。您需要的 DataLoader 类已从 torch.utils.data 为您导入。我们开始吧！

本练习是课程的一部分

PyTorch 深度学习进阶

查看课程

练习说明

  • 使用 water_train.csv 创建一个 WaterDataset 实例，赋值给 dataset_train。
  • 基于 dataset_train 创建 dataloader_train，批量大小设为 2，并对样本进行打乱。
  • 从 DataLoader 中获取一批特征与标签并打印。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create an instance of the WaterDataset
dataset_train = ____(____)

# Create a DataLoader based on dataset_train
dataloader_train = ____(
    ____,
    batch_size=____,
    shuffle=____,
)

# Get a batch of features and labels
features, labels = ____
print(features, labels)
编辑并运行代码