PyTorch เป็นเฟรมเวิร์กการเรียนรู้เชิงลึกที่ช่วยให้ผู้ใช้สามารถสร้าง/สร้างและฝึกโครงข่ายประสาทเทียมได้ ชุดข้อมูลคือโครงสร้างข้อมูลที่มีชุด/คอลเลกชันตัวอย่างข้อมูลและป้ายกำกับ โดยมีวิธีการเข้าถึงข้อมูลโดยรวมหรือใช้การดำเนินการจัดทำดัชนีและการแบ่งส่วน นอกจากนี้ ชุดข้อมูลยังสามารถใช้การแปลงข้อมูล เช่น การครอบตัด การปรับขนาด ฯลฯ ผู้ใช้สามารถวนซ้ำและแสดงภาพชุดข้อมูลใน PyTorch ได้อย่างง่ายดาย
บทความนี้จะอธิบายวิธีการวนซ้ำและแสดงภาพชุดข้อมูลเฉพาะโดยใช้ PyTorch
จะวนซ้ำและแสดงภาพชุดข้อมูลโดยใช้ PyTorch ได้อย่างไร
หากต้องการวนซ้ำและแสดงภาพชุดข้อมูลใดชุดหนึ่งโดยใช้ PyTorch ให้ทำตามขั้นตอนที่ให้ไว้:
ขั้นตอนที่ 1: นำเข้าไลบรารีที่จำเป็น
ขั้นแรก นำเข้าไลบรารีที่จำเป็น ตัวอย่างเช่น เราได้นำเข้าไลบรารีต่อไปนี้:
นำเข้าไฟฉาย
จากชุดข้อมูลนำเข้า torch.utils.data
จากชุดข้อมูลการนำเข้า torchvision
จาก torchvision.transforms นำเข้า ToTensor
นำเข้า matplotlib.pyplot เช่น plt
ที่นี่:
-
- “ นำเข้าไฟฉาย ” นำเข้าไลบรารี PyTorch
- “ จากชุดข้อมูลนำเข้า torch.utils.data ” นำเข้าคลาส “ชุดข้อมูล” จากโมดูล “torch.utils.data” ของ PyTorch สำหรับการสร้างชุดข้อมูลที่กำหนดเองใน PyTorch
- “ จากชุดข้อมูลการนำเข้า torchvision ” นำเข้าโมดูล “ชุดข้อมูล” จากไลบรารี “torchvision” ซึ่งจัดเตรียมชุดข้อมูลที่กำหนดไว้ล่วงหน้าสำหรับงานคอมพิวเตอร์วิทัศน์
- “ จาก torchvision.transforms นำเข้า ToTensor ” นำเข้าการแปลง “ToTensor” จาก “torchvision.transforms” สำหรับการแปลงภาพ PIL หรืออาร์เรย์ NumPy ไปเป็น PyTorch tensors
- “ นำเข้า matplotlib.pyplot เป็น plt ” นำเข้าไลบรารี matplotlib สำหรับการแสดงข้อมูล:
ขั้นตอนที่ 2: โหลดชุดข้อมูล
ตอนนี้ เราจะโหลดชุดข้อมูล FashionMNIST จาก torchvision เพื่อวัตถุประสงค์ในการฝึกฝนและการทดสอบด้วยพารามิเตอร์ต่อไปนี้:
tr_data = ชุดข้อมูล FashionMNIST ( ราก = 'ข้อมูล' , รถไฟ =จริง, ดาวน์โหลด =จริง, แปลง =โทเทนเซอร์ ( ))
ts_data = ชุดข้อมูล FashionMNIST ( ราก = 'ข้อมูล' , รถไฟ =เท็จ ดาวน์โหลด =จริง, แปลง =โทเทนเซอร์ ( )
)
ที่นี่:
-
- “ แฟชั่นMNIST ” โหลดชุดข้อมูล FashionMNIST จากไลบรารี torchvision
- “ รูต =”ข้อมูล” ” ระบุไดเร็กทอรีที่จะจัดเก็บหรือโหลดชุดข้อมูลหากมีอยู่แล้ว ในกรณีของเรา มันคือไดเร็กทอรี 'data'
- “ รถไฟ ” หมายถึงชุดข้อมูลการฝึกอบรมหรือการทดสอบ
- “ ดาวน์โหลด=จริง ” ดาวน์โหลดชุดข้อมูลหากไม่มีอยู่
- “ แปลง=ToTensor() ” ใช้การแปลง ToTensor เพื่อแปลงรูปภาพในชุดข้อมูลเป็น PyTorch tensors:
ขั้นตอนที่ 3: คลาสป้ายกำกับในชุดข้อมูล
จากนั้น สร้างพจนานุกรมที่แมปดัชนีคลาสกับเลเบลคลาสที่เกี่ยวข้องในชุดข้อมูล FashionMNIST มีป้ายกำกับที่มนุษย์สามารถอ่านได้สำหรับแต่ละชั้นเรียน ที่นี่เราสร้าง “ แมป_ฉลาก ” และเราจะใช้สิ่งนี้เพื่อแปลงดัชนีคลาสให้เป็นป้ายกำกับคลาสที่เกี่ยวข้อง:
แมป_ฉลาก = {0 : : 'เสื้อยืด' ,
1 : : 'กางเกง' ,
2 : : 'เสื้อสวมหัว' ,
3 : : 'ชุด' ,
4 : : 'เสื้อโค้ท' ,
5 : : 'รองเท้าแตะ' ,
6 : : 'เสื้อ' ,
7 : : 'รองเท้าผ้าใบ' ,
8 : : 'ถุง' ,
9 : : 'รองเท้าบูทหุ้มข้อ' ,
}
ขั้นตอนที่ 4: แสดงภาพชุดข้อมูล
สุดท้าย แสดงภาพตัวอย่างในข้อมูลการฝึกอบรมโดยใช้ไลบรารี “matplotlib”:
รูป = plt.figure ( ขนาดรูป = ( 8 , 8 ) )พ.อ , แถว = 3 , 3
สำหรับ ฉัน ใน พิสัย ( 1 , พ.อ * แถว + 1 ) : :
Sample_index = torch.randint ( เท่านั้น ( tr_date ) , ขนาด = ( 1 , ) ) .รายการ ( )
img, ป้ายกำกับ = tr_data [ ตัวอย่าง_ดัชนี ]
fig.add_subplot ( แถว, พ.อ , ฉัน )
plt.title ( แมป_ฉลาก [ ฉลาก ] )
plt.แกน ( 'ปิด' )
plt.imshow ( img.บีบ ( ) , ซีแมป = 'สีเทา' )
plt.show ( )
บันทึก : คุณสามารถเข้าถึง Google Colab Notebook ของเราได้ที่นี้ ลิงค์ .
นั่นคือทั้งหมดที่เกี่ยวกับการวนซ้ำและการแสดงภาพชุดข้อมูลที่ต้องการโดยใช้ PyTorch
บทสรุป
หากต้องการวนซ้ำและแสดงภาพชุดข้อมูลเฉพาะโดยใช้ PyTorch ขั้นแรกให้นำเข้าไลบรารีที่จำเป็น จากนั้น โหลดชุดข้อมูลที่ต้องการสำหรับการฝึกและการทดสอบด้วยพารามิเตอร์ที่ต้องการ ถัดไป ติดป้ายกำกับคลาสในชุดข้อมูลและแสดงภาพตัวอย่างในข้อมูลการฝึกโดยใช้ไลบรารี “matplotlib” บทความนี้ได้อธิบายวิธีการวนซ้ำและแสดงภาพชุดข้อมูลเฉพาะโดยใช้ PyTorch