Artırmalarla veri kümesi
Bulut resimlerinden görüntü veri kümesini ve farklı bulut türlerini sınıflandırmak için evrişimsel modeli zaten oluşturdun. Eğitmeden önce, modele bulut sınıflandırmada avantaj sağlayabilecek artırmaları ekleyerek veri kümesini uyarlayalım.
Dataset ve DataLoader kurulumuna ait kod senin için hazırlandı ve tanıdık gelmeli. Görevin, giriş görüntüleri yüklenirken uygulanacak dönüşümlerin birleşimini tanımlamak.
Daha önce görüntüleri düzgün göstermek için 128'e 128 yeniden boyutlandırıyordun; şimdi ise eğitimi hızlandırmak için daha küçüklerini kullanacaksın. Birazdan göreceğin gibi, 64'e 64 boyutu modelin öğrenmesi için yeterince büyük olacak.
from torchvision import transforms senin için zaten çalıştırıldı, haydi başlayalım!
Bu egzersiz, kursun bir parçasıdır
PyTorch ile Orta Düzey Deep Learning
Egzersiz talimatları
train_transforms'ı şu beş dönüşümü birleştirerek tanımla: rastgele yatay çevirme, rastgele döndürme (0 ile 45 derece arasında), rastgele otomatik kontrast ayarı, tensöre dönüştürme ve 64'e 64 piksele yeniden boyutlandırma.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define transforms
train_transforms = transforms.Compose([
____,
____,
____,
____,
____,
])
dataset_train = ImageFolder(
"clouds_train",
transform=train_transforms,
)
dataloader_train = DataLoader(
dataset_train, shuffle=True, batch_size=16
)