Afbeeldingsgegevenssets preprocessen

Je ontwikkelt een precisielandbouwsysteem om boeren te helpen de gezondheid van gewassen te monitoren, met een voorgetraind transformer-model dat je later kunt fine-tunen op agrarische beelden. Preprocess de gegevensset met AutoImageProcessor om je voor te bereiden op training!

Er is alvast wat data geladen:

De klasse AutoImageProcessor is geïmporteerd uit transformers
model is gelijk aan microsoft/swin-tiny-patch4-window7-224
Er is een voorbeeld-dataset gedefinieerd, met een voorbeeldafbeelding in de variabele image

Deze oefening maakt deel uit van de cursus

Efficiënt AI-modellen trainen met PyTorch

Bekijk cursus

Oefeninstructies

Laad een voorgetrainde image processor op basis van het vooraf gedefinieerde model.
Map de image_processor over de hele gegevensset.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Load a pre-trained image processor
image_processor = ____.____(model)

# Map the image_processor to the entire dataset
dataset = dataset.____(
    lambda examples: {
        "pixel_values": [
            image_processor(image, return_tensors="pt").pixel_values
            for image in examples["img"]
        ]
    },
    batched=True,
)
print(dataset[0]["img"])

Code bewerken en uitvoeren