เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ชุดข้อมูลรูปภาพ

เริ่มต้นด้วยการสร้าง Torch Dataset สำหรับรูปภาพ เพื่อใช้สำรวจข้อมูลและนำไปป้อนให้กับโมเดลในภายหลัง

ข้อมูล training สำหรับงานจำแนกประเภทเมฆถูกเก็บไว้ในโครงสร้างไดเรกทอรีดังนี้:

clouds_train
  - cirriform clouds
    - 539cd1c356e9c14749988a12fdf6c515.jpg
    - ...
  - clear sky
  - cumulonimbus clouds
  - cumulus clouds
  - high cumuliform clouds
  - stratiform clouds
  - stratocumulus clouds

ภายใน clouds_train มีโฟลเดอร์ทั้งหมด 7 โฟลเดอร์ แต่ละโฟลเดอร์แทนประเภทของเมฆหนึ่งชนิด (หรือท้องฟ้าโปร่ง) และภายในแต่ละโฟลเดอร์จะมีไฟล์รูปภาพที่เกี่ยวข้องอยู่

ได้ทำการ import ไลบรารีต่อไปนี้ไว้ให้แล้ว:

from torchvision.datasets import ImageFolder
from torchvision import transforms

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning ระดับกลางด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Compose การแปลงข้อมูล 2 รายการ ได้แก่ การแปลงรูปภาพเป็น tensor และการปรับขนาดรูปภาพเป็น 128 x 128 แล้วกำหนดให้กับตัวแปร train_transforms
  • ใช้ ImageFolder เพื่อกำหนด dataset_train โดยส่ง path ของไดเรกทอรีข้อมูล ("clouds_train") และ transforms ที่กำหนดไว้ก่อนหน้า

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compose transformations
train_transforms = ____([
    transforms.____,
    transforms.____,
])

# Create Dataset using ImageFolder
dataset_train = ____(
    ____,
    transform=____,
)
แก้ไขและรันโค้ด