使用 DataLoader
DataLoader 类对于高效处理大型数据集至关重要。它能加速训练、优化内存使用，并使梯度更新更稳定，从而让深度学习模型更有效。
现在，您将使用上一个练习中的 dataset 创建一个 PyTorch DataLoader，并查看其运行效果。
本练习是课程的一部分
使用 PyTorch 的深度学习入门
练习说明
- 导入所需模块。
- 使用
dataset创建一个DataLoader，将批大小设为 2，并启用随机打乱。 - 遍历该
DataLoader，并打印每个批次的输入和标签。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)