PyTorch este un cadru de învățare profundă care permite utilizatorilor să creeze/construiască și să antreneze rețele neuronale. Un set de date este o structură de date care conține un set/colecție de mostre și etichete de date. Oferă o modalitate de a accesa datele ca întreg sau folosind operațiuni de indexare și tăiere. Mai mult, un set de date poate aplica și transformări datelor, cum ar fi decuparea, redimensionarea etc. Utilizatorii pot repeta și vizualiza cu ușurință setul de date în PyTorch.
Acest articol va ilustra metoda de iterare și vizualizare a unui set de date specific folosind PyTorch.
Cum să repetați și să vizualizați setul de date folosind PyTorch?
Pentru a repeta și a vizualiza un anumit set de date folosind PyTorch, urmați pașii furnizați:
Pasul 1: importați biblioteca necesară
Mai întâi, importați bibliotecile necesare. De exemplu, am importat următoarele biblioteci:
torță de import
din torch.utils.data import Dataset
din seturile de date de import torchvision
din torchvision.transforms import ToTensor
import matplotlib.pyplot la fel de plt
Aici:
-
- „ torță de import ” importă biblioteca PyTorch.
- „ din torch.utils.data import Dataset ” importă clasa „Set de date” din modulul „torch.utils.data” al lui PyTorch pentru a crea seturi de date personalizate în PyTorch.
- „ din seturile de date de import torchvision ” importă modulul „seturi de date” din biblioteca „torchvision” care oferă seturi de date predefinite pentru sarcinile de viziune computerizată.
- „ din torchvision.transforms import ToTensor ” importă transformarea „ToTensor” din „torchvision.transforms” pentru conversia imaginilor PIL sau a tablourilor NumPy în tensori PyTorch.
- „ import matplotlib.pyplot ca plt ” importă biblioteca matplotlib pentru vizualizarea datelor:
Pasul 2: Încărcați setul de date
Acum, vom încărca setul de date FashionMNIST de la torchvision atât pentru instruire, cât și pentru testare, cu următorii parametri:
tr_data = datasets.FashionMNIST ( rădăcină = 'date' , tren = Adevărat, Descarca = Adevărat, transforma =ToTensor ( ))
ts_data = seturi de date.FashionMNIST ( rădăcină = 'date' , tren = Fals, Descarca = Adevărat, transforma =ToTensor ( )
)
Aici:
-
- „ FashionMNIST ” încarcă setul de date FashionMNIST din biblioteca torchvision.
- „ root='date' ” specifică directorul în care setul de date va fi stocat sau încărcat dacă acesta există deja. În cazul nostru, este directorul „date”.
- „ tren ” indică un set de date de antrenament sau de testare.
- „ download=Adevărat ” descarcă setul de date dacă nu este deja prezent.
- „ transform=ToTensor() ” aplică transformarea ToTensor pentru a converti imaginile din setul de date în tensori PyTorch:
Pasul 3: Etichetați clasele în setul de date
Apoi, creați un dicționar care mapează indici de clasă la etichetele lor de clasă corespunzătoare în setul de date FashionMNIST. Oferă etichete care pot fi citite de om pentru fiecare clasă. Aici, am creat „ mapped_label ” și îl vom folosi pentru a converti indicii de clasă în etichetele lor de clasă corespunzătoare:
mapped_label = {0 : 'Tricou' ,
1 : 'Pantaloni' ,
2 : 'Trage pe dreapta' ,
3 : 'Rochie' ,
4 : 'Palton' ,
5 : 'Sandale' ,
6 : 'Cămaşă' ,
7 : 'Adidași' ,
8 : 'Sac' ,
9 : 'Botine' ,
}
Pasul 4: Vizualizați setul de date
În cele din urmă, vizualizați mostrele din datele de antrenament folosind biblioteca „matplotlib”:
fig = plt.figure ( dimensiunea smochinelor = ( 8 , 8 ) )col , rând = 3 , 3
pentru i în gamă ( 1 , col * rând + 1 ) :
sample_index = torch.randint ( numai ( tr_data ) , mărimea = ( 1 , ) ) .articol ( )
img, label = tr_data [ sample_index ]
fig.add_subplot ( rând, col , i )
plt.titlu ( mapped_label [ eticheta ] )
plt.axa ( 'off' )
plt.imshow ( img.strânge ( ) , cmap = 'gri' )
plt.show ( )
Notă : Puteți accesa blocnotesul nostru Google Colab aici legătură .
Acesta a fost totul despre iterarea și vizualizarea setului de date dorit folosind PyTorch.
Concluzie
Pentru a repeta și a vizualiza un anumit set de date folosind PyTorch, importați mai întâi bibliotecile necesare. Apoi, încărcați setul de date dorit pentru antrenament și testare cu parametrii necesari. Apoi, etichetați clasele în setul de date și vizualizați mostre în datele de antrenament folosind biblioteca „matplotlib”. Acest articol a ilustrat metoda de iterare și vizualizare a unui set de date specific folosind PyTorch.