Förbehandla bilddatamängder

Du håller på att utveckla ett precisionsjordbrukssystem för att hjälpa bönder att övervaka grödornas hälsa, med hjälp av en förtränad transformermodell som du senare kan finjustera på jordbruksbilder. Förbehandla datamängden med AutoImageProcessor för att förbereda den för träning!

Viss data har laddats in i förväg:

Klassen AutoImageProcessor har importerats från transformers
model är satt till microsoft/swin-tiny-patch4-window7-224
Ett exempeldataset har definierats, med en exempelbild inläst i variabeln image

Den här övningen är en del av kursen

Effektiv AI-modellträning med PyTorch

Visa kurs

Övningsinstruktioner

Läs in en förtränad bildprocessor från den fördefinierade model.
Applicera image_processor på hela datamängden med hjälp av map().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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"])

Redigera och kör kod