Przetwarzanie zbiorów danych z obrazami

Tworzysz system precyzyjnego rolnictwa, który ma pomagać rolnikom w monitorowaniu stanu upraw. Korzystasz w tym celu z wstępnie wytrenowanego modelu transformerowego, który później dostosujesz do danych rolniczych. Przetwórz zbiór danych za pomocą AutoImageProcessor, aby przygotować go do trenowania!

Niektóre dane zostały wstępnie załadowane:

Klasa AutoImageProcessor została zaimportowana z transformers
model jest równy microsoft/swin-tiny-patch4-window7-224
Zdefiniowano przykładowy dataset z przykładowym obrazem załadowanym do zmiennej image

To ćwiczenie jest częścią kursu

Efektywne trenowanie modeli AI z PyTorch

Zobacz kurs

Instrukcje do ćwiczenia

Wczytaj wstępnie wytrenowany procesor obrazów na podstawie predefiniowanego model.
Zastosuj image_processor do całego zbioru danych za pomocą funkcji map().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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"])

Edytuj i uruchom kod