증강을 적용한 데이터셋
여러분은 이미 구름 사진으로 이미지 데이터셋을 만들고, 다양한 구름 유형을 분류하는 합성곱 모델도 구축해 두었어요. 학습을 시작하기 전에, 모델의 구름 분류 성능을 높일 수 있는 증강(augmentation)을 데이터셋에 추가해 보겠습니다.
Dataset과 DataLoader를 설정하는 코드는 미리 준비되어 있으며 익숙해 보일 거예요. 여러분의 작업은 로딩 시 입력 이미지에 적용될 변환(transform) 조합을 정의하는 것입니다.
이전에 이미지를 보기 좋게 표시하려고 128×128로 리사이즈했지만, 이제는 학습 속도를 높이기 위해 더 작은 크기를 사용합니다. 곧 보시겠지만 64×64면 모델이 학습하기에 충분합니다.
from torchvision import transforms는 이미 실행해 두었으니 바로 시작해 볼까요!
이 연습은 강의의 일부입니다
PyTorch로 배우는 Intermediate Deep Learning
연습 안내
- 다음 다섯 가지 변환을 합성하여
train_transforms를 정의하세요: 무작위 수평 뒤집기, 무작위 회전(각도 0도에서 45도 사이), 무작위 자동 대비 조정, 텐서로 변환, 64×64 픽셀로 리사이즈.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Define transforms
train_transforms = transforms.Compose([
____,
____,
____,
____,
____,
])
dataset_train = ImageFolder(
"clouds_train",
transform=train_transforms,
)
dataloader_train = DataLoader(
dataset_train, shuffle=True, batch_size=16
)