Dataset với augmentations
Bạn đã xây dựng xong dataset ảnh từ các bức ảnh mây và mô hình tích chập để phân loại các loại mây khác nhau. Trước khi huấn luyện, hãy điều chỉnh dataset bằng cách thêm các phép tăng cường dữ liệu (augmentation) có thể cải thiện hiệu suất phân loại mây của mô hình.
Mã để thiết lập Dataset và DataLoader đã được chuẩn bị sẵn cho bạn và sẽ trông quen thuộc. Nhiệm vụ của bạn là định nghĩa tổ hợp các phép biến đổi (transforms) sẽ được áp dụng cho ảnh đầu vào khi chúng được tải lên.
Lưu ý rằng trước đây bạn đã resize ảnh về 128 x 128 để hiển thị đẹp hơn, nhưng giờ bạn sẽ dùng ảnh nhỏ hơn để tăng tốc huấn luyện. Như bạn sẽ thấy sau, kích thước 64 x 64 là đủ lớn để mô hình học.
from torchvision import transforms đã được chạy sẵn cho bạn, nên hãy bắt đầu thôi!
Bài tập này là một phần của khóa học
Deep Learning nâng cao với PyTorch
Hướng dẫn bài tập
- Định nghĩa
train_transformsbằng cách ghép (compose) năm phép biến đổi: lật ngang ngẫu nhiên, xoay ngẫu nhiên (với góc từ 0 đến 45 độ), tự động điều chỉnh độ tương phản ngẫu nhiên, chuyển sang tensor, và resize về kích thước 64 x 64 pixel.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Define transforms
train_transforms = transforms.Compose([
____,
____,
____,
____,
____,
])
dataset_train = ImageFolder(
"clouds_train",
transform=train_transforms,
)
dataloader_train = DataLoader(
dataset_train, shuffle=True, batch_size=16
)