Erste SchritteKostenlos loslegen

Data Augmentation in PyTorch

Lass uns Data Augmentation in deinem Dataset einbauen und einige Bilder visuell überprüfen, um sicherzustellen, dass die gewünschten Transformationen angewendet werden.

Zuerst fügst du die erweiternden Transformationen zu train_transforms hinzu. Lass uns eine zufällige horizontale Spiegelung und eine Rotation um einen zufälligen Winkel zwischen 0 und 45 Grad verwenden. Der nachfolgende Code zum Erstellen des Datasets und des DataLoaders ist genau derselbe wie zuvor. Zum Schluss formst du das Bild um und zeigst es an, um zu sehen, ob die neuen erweiternden Transformationen sichtbar sind.

Alle benötigten Imports wurden bereits für dich aufgerufen:

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

Zeit, einige Wolkenfotos zu erweitern!

Diese Übung ist Teil des Kurses

Deep Learning mit PyTorch für Fortgeschrittene

Kurs anzeigen

Anleitung zur Übung

  • Füge zwei weitere Transformationen zu train_transforms hinzu, um eine zufällige horizontale Spiegelung und dann eine Rotation um einen zufälligen Winkel zwischen 0 und 45 Grad durchzuführen.
  • Forme den image-Tensor aus dem DataLoader um, damit er zur Anzeige geeignet ist.
  • Zeige das Bild an.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

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()
Bearbeiten und Ausführen von Code