शुरू करेंमुफ़्त में शुरू करें

ऑगमेंटेशंस वाला डेटासेट

आप पहले ही बादलों की तस्वीरों से इमेज डेटासेट और अलग-अलग बादल प्रकारों को क्लासिफाई करने के लिए कॉन्वोल्यूशनल मॉडल बना चुके हैं। इसे ट्रेन करने से पहले, आइए डेटासेट में ऐसे ऑगमेंटेशन जोड़कर उसे अनुकूलित करें जो मॉडल की क्लाउड क्लासिफिकेशन परफॉर्मेंस सुधार सकते हैं.

Dataset और DataLoader सेट करने का कोड आपके लिए तैयार है और आपको परिचित लगेगा। आपका काम उन ट्रांसफॉर्म्स की कॉम्पोज़िशन परिभाषित करना है जो इनपुट इमेजेज़ पर लोड होते समय लागू होंगे।

ध्यान दें कि पहले आप इमेजेज़ को 128 बाय 128 में रीसाइज़ कर रहे थे ताकि वे अच्छी तरह दिखें, लेकिन अब आप ट्रेनिंग तेज़ करने के लिए छोटे आकार का उपयोग करेंगे। जैसा आप आगे देखेंगे, 64 बाय 64 मॉडल के सीखने के लिए पर्याप्त होगा।

from torchvision import transforms पहले ही आपके लिए चलाया जा चुका है, तो चलिए शुरू करते हैं!

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट Deep Learning with PyTorch

पाठ्यक्रम देखें

अभ्यास निर्देश

  • train_transforms को पाँच ट्रांसफॉर्मेशंस को कंपोज़ करके परिभाषित करें: एक रैंडम हॉरिज़ॉन्टल फ्लिप, रैंडम रोटेशन (एंगल 0 से 45 डिग्री तक), रैंडम ऑटोमैटिक कॉन्ट्रास्ट एडजस्टमेंट, टेन्सर में पार्स करना, और 64 बाय 64 पिक्सेल में रीसाइज़ करना.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define transforms
train_transforms = transforms.Compose([
    ____,
    ____,
    ____,
    ____,
    ____,
])

dataset_train = ImageFolder(
  "clouds_train",
  transform=train_transforms,
)
dataloader_train = DataLoader(
  dataset_train, shuffle=True, batch_size=16
)
कोड संपादित करें और चलाएँ