ПочатиПочніть безкоштовно

Аугментація даних у PyTorch

Додаймо аугментацію даних до вашого Dataset і перегляньмо кілька зображень, щоб переконатися, що потрібні перетворення застосовано.

Спочатку додайте перетворення-аугментації до train_transforms. Використаймо випадкове горизонтальне віддзеркалення та обертання на випадковий кут від 0 до 45 градусів. Далі код для створення Dataset і DataLoader буде таким самим, як раніше. Нарешті, змініть форму тензора зображення та відобразіть його, щоб перевірити, чи видно нові перетворення-аугментації.

Усі потрібні імпорти вже виконано за вас:

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

Час аугментувати фотографії хмар!

Ця вправа є частиною курсу

Середній рівень Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Додайте ще два перетворення до train_transforms: випадкове горизонтальне віддзеркалення, а потім обертання на випадковий кут від 0 до 45 градусів.
  • Змініть форму тензора image з DataLoader, щоб зробити його придатним для відображення.
  • Відобразіть зображення.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()
Редагувати та запускати код