Selles blogis arutatakse, kuidas Juhuslik kustutamine ” meetod töötab PyTorchis.
Miks kasutatakse PyTorchis „juhusliku kustutamise” meetodit?
Piltidelt andmete juhuslik eemaldamine kujutab endast probleemi pildianalüüsi mudelite koolitamisel, kuna need on sunnitud kohanema ebapiisavate andmetega. See valmistab ette mudeli reaalsete ülesannete jaoks, mille puhul pole alati olemas täielikke andmeid. Mudel muutub palju paremaks, kuna suudab kõikvõimalikest andmetest järeldusi teha ja tulemusi kuvada. Eemaldatavate pikslite valik on juhuslik, seega ei teki nihket ja saadud pilti kasutatakse treeningu ajal sisendandmetena.
Kuidas 'juhusliku kustutamise' meetod PyTorchis töötab?
Juhusliku kustutamise meetodit kasutatakse süvaõppemudeli muutmiseks reaalsete rakenduste käsitlemiseks paremini ette valmistatud. Järgige alltoodud samme, et õppida, kuidas seda oma PyTorchi projektides kasutada, et suurendada nende andmehaldust ja parandada järelduste tegemise võimalusi.
1. samm: seadistage Colaboratory IDE
Google Colab on ideaalne valik PyTorchi raamistikku kasutavate tehisintellekti mudelite arendamiseks. Navigeerige koostöölaborisse veebisait ja käivitage ' Uus märkmik ”:
2. samm: importige vajalikud raamatukogud
Kasuta ' !pip ' paketi installer, mille pakub Python teekide installimiseks ja ' importida ” käsk nende projekti importimiseks:
importida tõrvikimportida tõrvikuvisioon. teiseneb nagu ts
alates PIL importida Pilt
importida matplotlib. pyplot nagu plt
Antud koodi kirjeldus on järgmine:
- Importige ' tõrvik ' raamatukogu kasutades ' importida ” käsk.
- ' tõrvikuvisioon.muundub ” pakett sisaldab juhusliku kustutamise teisendusi.
- “ PIL ” on pythoni pilditeek ja see sisaldab piltide töötlemise funktsioone.
- ' matplotlib.pyplot ” teeki kasutatakse originaalsete ja teisendatud piltide visualiseerimiseks:
3. samm: laadige üles sisendpilt
Laadige pilt üles jaotisesse Failid:
Järgmisena laadige sisendpilt, kasutades ' avatud () ” mooduli „Pilt” meetod:
pilt = Pilt. avatud ( 'a2.jpeg' )4. samm: määrake teisenduste tegemiseks teisendus
Nüüd määrake ' Juhuslik kustutamine ” trafo, mis muudab pildi, valides selle juhusliku ristkülikukujulise piirkonna ja kustutades selle pikslid. Lisaks teisendage sisendpilt põleti anduriks, kasutades ' ToTensor() ” meetodit, kui see on PIL-kujutis, ja teisenda see seejärel tagasi PIL-pildiks ToPILIpilt() ”:
teisendada = ts. Koosta ( [ ts. ToTensor ( ) , ts. Juhuslik kustutamine ( lk = 0.5 , kaal = ( 0,02 , 0,33 ) , suhe = ( 0.3 , 3.3 ) , väärtus = 0 , kohas = Vale ) , ts. ToPILIpilt ( ) ] )Ülaltoodud parameetrid Juhuslik kustutamine 'trafot on selgitatud allpool:
- p: See näitab tõenäosust, et juhuslik tõsteoperatsioon saavutatakse.
- kaal: See näitab sisendpildi kustutatud ala vahemikku.
- suhe: See tähistab kustutatud piirkonna kuvasuhet.
- väärtus: See määrab kustutamise väärtuse, mis on vaikimisi '0'. Kui see on üks täisarv, eemaldab see kõik pikslid ja kui see on kolme täisarvuga korrus, siis eemaldab see vastavalt R-, G- ja B-kanalid.
- kohas: See on 'tõve' väärtus, mis paneb antud juhusliku kustutamise trafo paika. Vaikimisi on see 'vale'.
5. samm: kasutage väljundpiltide tegemiseks sõnastikust arusaamist
Kasutage nelja väljundpildi tegemiseks sõnastikust arusaamise kontseptsiooni:
pilte = [ teisendada ( pilt ) jaoks _ sisse ulatus ( 4 ) ]6. samm: esitlege nelja väljundpilti
Lõpuks kuvage neli väljundpilti alltoodud koodiploki abil:
joon = plt. kujund ( viigisuurus = ( 7 , 4 ) )read , veerg = 2 , 2
jaoks j sisse ulatus ( 0 , ainult ( pilte ) ) :
joon. add_subplot ( read , veerg , j+ 1 )
plt. imshow ( pilte [ j ] )
plt. xticks ( [ ] )
plt. tits ( [ ] )
plt. näidata ( )
Ülaltoodud koodi kirjeldus on järgmine:
- Rakenda ' plt.figuur() ” meetod nelja määratud laiuse ja kõrgusega kujutise joonistamiseks.
- Seejärel määrake nelja pildi kohandamiseks konkreetsed read ja veerud.
- Pärast seda initsialiseerige 'for' tsükkel, mis rakendab ' alamplot() ' meetod alamploki määratlemiseks, meetod 'show()' piltide kuvamiseks ja ' plt.xticks() ' sama hästi kui ' plt.yticks() ”, et määrata praegune linnuke asukoht ning x- ja y-telje sildid.
- Lõpuks kasutage ' plt.show() ” meetod piltide printimiseks väljundisse:
Märge : kasutajad pääsevad meie Colabi märkmikule juurde, kasutades pakutavat link .
Pro-Tip
Üks võtmekasutus Juhuslik kustutamine ” meetod PyTorchi projektides on turvalisus. Seda saab kasutada pikslite eemaldamiseks tundlikelt piltidelt, nagu need, mis sisaldavad mõningaid ärisaladusi või midagi muud väärtuslikku. Selle kustutamise konkreetne juhuslik funktsioon on teada ainult algsele kasutajale ja ainult kasutaja saab kustutatud pilte taastada nende algsesse versiooni.
Edu! Oleme näidanud, kuidas PyTorchis juhuslik kustutamise meetod töötab.
Järeldus
' Juhuslik kustutamine ” meetod PyTorchis eemaldab pildilt juhuslikud pikslid ja jäljendab reaalset stsenaariumi, et mudelit paremini koolitada. See muudab mudeli erinevat tüüpi andmete käsitlemisel osavamaks, et teha mittetäielikest andmetest kvaliteedijäreldusi. Oleme illustreerinud, kuidas kasutada Juhuslik kustutamine ” meetod PyTorchis.