Augmentasi Monet

Mungkin Anda masih mengerjakan model Machine Learning yang mengidentifikasi pemandangan laut dalam lukisan. Anda ingin menghasilkan beberapa gambar tambahan untuk mengaugmentasi data yang sudah ada. Bagaimanapun, manusia bisa mengetahui bahwa sebuah lukisan bergambar lautan meskipun lukisan itu terbalik; mengapa model Machine Learning Anda tidak bisa?

numpy sudah dimuat sebagai np, dan rgb_array Monet berdimensi 3 untuk RGB tersedia.

Latihan ini merupakan bagian dari kursus

Pengantar NumPy

Lihat Kursus

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Flip rgb_array so that it is the mirror image of the original
mirrored_monet = ____
plt.imshow(mirrored_monet)
plt.show()

Edit dan Jalankan Kode

Latihan ini merupakan bagian dari kursus

Pengantar NumPy

SkillTag.level.beginnerSkillTag.label

4.8+

1425 reviews

Mulai Kursus Gratis

Kenali array NumPy yang luar biasa! Pelajari cara membuat dan mengubah bentuk array sesuai kebutuhan Anda. Terakhir, temukan beragam tipe data NumPy dan bagaimana tipe tersebut berkontribusi pada operasi array yang cepat.

Exercise 1: Mengenal array Exercise 2: Array NumPy pertama Anda Exercise 3: Membuat array dari awal Exercise 4: Array rentang Exercise 5: Dimensi array Exercise 6: Pembuatan array 3D Exercise 7: Dimensi keempat Exercise 8: Meratakan dan mengubah bentuk Exercise 9: Tipe data NumPy Exercise 10: Argumen dtype Exercise 11: Menantisipasi tipe data Exercise 12: Gim sudoku yang lebih kecil

Pertajam keterampilan pengelolaan data NumPy Anda dengan slicing, filtering, dan sorting data sensus pohon Kota New York. Buat array baru dengan mengambil data berdasarkan pernyataan kondisional, serta tambahkan dan hapus data pada dimensi mana pun sesuai tujuan Anda. Sepanjang proses, Anda akan mempelajari prinsip kompatibilitas bentuk dan dimensi sebagai persiapan untuk operasi matematika array yang sangat cepat.

Exercise 1: Pengindeksan dan pengirisan array Exercise 2: Melakukan slicing dan indexing pada pohon Exercise 3: Melangkah ke 2D Exercise 4: Mengurutkan pohon Exercise 5: Menyaring array Exercise 6: Memfilter dengan mask Exercise 7: Fancy indexing vs. np.where()Exercise 8: Membuat array dari kondisi Exercise 9: Menambah dan menghapus data Exercise 10: Kompatibel atau tidak?Exercise 11: Menambahkan baris Exercise 12: Menambahkan kolom Exercise 13: Menghapus dengan np.delete()

Manfaatkan operasi vektorisasi NumPy yang cepat untuk mendapatkan ringkasan wawasan atas data penjualan toko minuman keras, restoran, dan department store di Amerika. Vektorisasi fungsi Python untuk digunakan dalam kode NumPy Anda. Terakhir, gunakan logika broadcasting untuk melakukan operasi matematika antara array dengan ukuran berbeda.

Exercise 1: Meringkas data Exercise 2: Total penjualan Exercise 3: Memplot rata-rata Exercise 4: Penjualan kumulatif Exercise 5: Operasi tervektorisasi Exercise 6: Perhitungan pajak Exercise 7: Memproyeksikan penjualan Exercise 8: Memvektorisasi .upper()Exercise 9: Broadcasting Exercise 10: Bisa dibroadcast atau tidak?Exercise 11: Broadcasting lintas kolom Exercise 12: Broadcasting antarbaris

NumPy bertemu dunia seni pada bab terakhir ini saat kita menggunakan data gambar dari sebuah mahakarya Monet untuk mengeksplorasi cara Anda dapat melakukan augmentasi data gambar. Anda akan menggunakan fungsi flipping dan transposing untuk dengan cepat mentransformasi mahakarya kita. Selanjutnya, Anda akan membongkar array Monet, melakukan perubahan, dan menyusunnya kembali menggunakan penumpukan array untuk melihat hasilnya.

Exercise 1: Menyimpan dan memuat array Exercise 2: Memuat berkas .npy Exercise 3: Mendapatkan bantuan Exercise 4: Perbarui dan simpan Exercise 5: Akrobat array Exercise 6: Augmentasi Monet

Latihan Saat Ini

Exercise 7: Melakukan transpose pada mahakarya Anda Exercise 8: Stacking dan splitting Exercise 9: Pemisahan dan penumpukan 2D Exercise 10: Memisahkan data RGB Exercise 11: Menumpuk data RGB Exercise 12: Selamat!