Začněte nyníZačněte zdarma

Augmentace dat v PyTorchi

Pojďme přidat augmentaci dat do tvého Datasetu a vizuálně zkontrolovat několik obrázků, abychom se ujistili, že se požadované transformace správně aplikují.

Nejdřív přidáš augmentační transformace do train_transforms. Použijeme náhodné horizontální překlopení a rotaci o náhodný úhel od 0 do 45 stupňů. Kód pro vytvoření Datasetu a DataLoaderu zůstává stejný jako předtím. Na závěr obrázek přetvaruješ a zobrazíš, abys viděl/a, jestli jsou nové augmentační transformace viditelné.

Všechny potřebné importy jsou už připravené:

from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoader
from torchvision import transforms
import matplotlib.pyplot as plt

Čas augmentovat fotky oblaků!

Toto cvičení je součástí kurzu

Intermediate Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Přidej do train_transforms dvě další transformace: náhodné horizontální překlopení a rotaci o náhodný úhel od 0 do 45 stupňů.
  • Přetvaruj tensor image z DataLoaderu do podoby vhodné pro zobrazení.
  • Zobraz obrázek.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

train_transforms = transforms.Compose([
    # Add horizontal flip and rotation
    ____,
    ____,
    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])

dataset_train = ImageFolder(
  "clouds_train",
  transform=train_transforms,
)

dataloader_train = DataLoader(
  dataset_train, shuffle=True, batch_size=1
)

image, label = next(iter(dataloader_train))
# Reshape the image tensor
image = image.____.____(____, ____, ____) 
# Display the image
____
plt.show()
Upravit a spustit kód