Kom igångKom igång gratis

Dataaugmentering i PyTorch

Nu ska du lägga till dataaugmentering i din Dataset och inspektera några bilder visuellt för att kontrollera att önskade transformationer tillämpas.

Först lägger du till augmenteringstransformationer i train_transforms. Vi använder en slumpmässig horisontell spegling och en rotation med en slumpmässig vinkel mellan 0 och 45 grader. Koden som skapar Dataset och DataLoader är exakt densamma som tidigare. Slutligen omformar du bilden och visar den för att se om de nya augmenteringstransformationerna syns.

Alla nödvändiga importer är redan anropade åt dig:

from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoader
from torchvision import transforms
import matplotlib.pyplot as plt

Dags att augmentera några molnbilder!

Den här övningen är en del av kursen

Fördjupad djupinlärning med PyTorch

Visa kurs

Övningsinstruktioner

  • Lägg till ytterligare två transformationer i train_transforms för att utföra en slumpmässig horisontell spegling och sedan en rotation med en slumpmässig vinkel mellan 0 och 45 grader.
  • Omforma tensorn image från DataLoader så att den passar för visning.
  • Visa bilden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

train_transforms = transforms.Compose([
    # Add horizontal flip and rotation
    ____,
    ____,
    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])

dataset_train = ImageFolder(
  "clouds_train",
  transform=train_transforms,
)

dataloader_train = DataLoader(
  dataset_train, shuffle=True, batch_size=1
)

image, label = next(iter(dataloader_train))
# Reshape the image tensor
image = image.____.____(____, ____, ____) 
# Display the image
____
plt.show()
Redigera och kör kod