ПочатиПочніть безкоштовно

Набір даних із аугментаціями

Ви вже зібрали набір зображень із фотографій хмар і побудували згорткову модель для класифікації різних типів хмар. Перш ніж навчати модель, адаптуйте набір даних, додавши аугментації, які можуть підвищити якість класифікації.

Код для налаштування Dataset і DataLoader вже підготовлено й має бути вам знайомий. Ваше завдання — визначити композицію перетворень, які застосовуватимуться до вхідних зображень під час завантаження.

Зверніть увагу: раніше ви змінювали розмір зображень до 128×128, щоб зручно їх відображати, а тепер використаєте менший розмір, щоб прискорити навчання. Як побачите далі, 64×64 буде достатньо, щоб модель навчилася.

from torchvision import transforms уже виконано, тож до роботи!

Ця вправа є частиною курсу

Середній рівень Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Визначте train_transforms, скомпонувавши пʼять перетворень: випадкове горизонтальне віддзеркалення, випадкове обертання (на кут від 0 до 45 градусів), випадкове автоматичне вирівнювання контрасту, перетворення на тензор і зміну розміру до 64×64 пікселів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

dataset_train = ImageFolder(
  "clouds_train",
  transform=train_transforms,
)
dataloader_train = DataLoader(
  dataset_train, shuffle=True, batch_size=16
)
Редагувати та запускати код