PyTorch היא מסגרת למידה עמוקה המאפשרת למשתמשים ליצור/לבנות ולאמן רשתות עצביות. מערך נתונים הוא מבנה נתונים המכיל קבוצה/אוסף של דגימות נתונים ותוויות. הוא מספק דרך לגשת לנתונים בכללותם או באמצעות פעולות אינדקס וחיתוך. יתר על כן, מערך נתונים יכול גם להחיל טרנספורמציות על הנתונים, כגון חיתוך, שינוי גודל וכו'. משתמשים יכולים בקלות לחזור על מערך הנתונים ולהמחיש אותו ב- PyTorch.
כתיבה זו תמחיש את השיטה לחזרה ולדמיין מערך נתונים ספציפי באמצעות PyTorch.
כיצד לשחזר ולהמחיש את מערך הנתונים באמצעות PyTorch?
כדי לחזור ולהמחיש מערך נתונים מסוים באמצעות PyTorch, בצע את השלבים שסופקו:
שלב 1: ייבוא ספרייה נחוצה
ראשית, ייבא את הספריות הנדרשות. לדוגמה, ייבאנו את הספריות הבאות:
לייבא לפיד
מ-torch.utils.data ייבוא נתונים
ממערכי נתונים של ייבוא Torchvision
מ-torchvision.transforms ייבוא ToTensor
ייבוא matplotlib.pyplot כפי ש plt
כאן:
-
- ' לייבא לפיד ' מייבא את ספריית PyTorch.
- ' מ-torch.utils.data ייבוא נתונים ' מייבא את המחלקה 'Dataset' מהמודול 'torch.utils.data' של PyTorch ליצירת מערכי נתונים מותאמים אישית ב- PyTorch.
- ' ממערכי נתונים של ייבוא Torchvision ' מייבא את מודול 'מערכי הנתונים' מספריית 'torchvision' המספקת מערכי נתונים מוגדרים מראש למשימות ראייה ממוחשבת.
- ' מ-torchvision.transforms ייבוא ToTensor ' מייבא את הטרנספורמציה 'ToTensor' מ-'torchvision.transforms' להמרת תמונות PIL או מערכי NumPy לטנסור PyTorch.
- ' ייבא matplotlib.pyplot בתור plt ' מייבא את ספריית matplotlib להדמיית נתונים:
שלב 2: טען מערך נתונים
כעת, נטען את מערך הנתונים של FashionMNIST מ-torchvision הן למטרות אימון והן למטרות בדיקה עם הפרמטרים הבאים:
tr_data = מערכי נתונים.FashionMNIST ( שורש = 'נתונים' , רכבת =נכון, הורד =נכון, שינוי צורה =ToTensor ( ))
ts_data = מערכי נתונים.FashionMNIST ( שורש = 'נתונים' , רכבת =שקר, הורד =נכון, שינוי צורה =ToTensor ( )
)
כאן:
-
- ' FashionMNIST טוען את מערך הנתונים של FashionMNIST מספריית torchvision.
- ' root='נתונים' ” מציין את הספרייה שבה מערך הנתונים יאוחסן או ייטען אם הוא כבר קיים. במקרה שלנו, זוהי ספריית 'הנתונים'.
- ' רכבת ' מציין אימון או מערך בדיקה.
- ' הורדה=נכון ' מוריד את מערך הנתונים אם הוא עדיין לא קיים.
- ' transform=ToTensor() 'מחיל את הטרנספורמציה של ToTensor כדי להמיר את התמונות במערך הנתונים לטנסור PyTorch:
שלב 3: תווית מחלקות בערכת נתונים
לאחר מכן, צור מילון שממפה את מדדי המחלקות לתוויות המחלקות המתאימות להן במערך הנתונים של FashionMNIST. הוא מספק תוויות הניתנות לקריאה עבור כל כיתה. כאן, יצרנו את ' מופה_תווית ' מילון ואנו נשתמש בזה כדי להמיר מדדי מחלקות לתוויות המחלקות המתאימות להם:
mapd_label = {0 : 'חולצה קצרה' ,
1 : 'מכנסיים' ,
2 : 'תעצור בצד' ,
3 : 'שמלה' ,
4 : 'מעיל' ,
5 : 'סַנְדָל' ,
6 : 'חוּלצָה' ,
7 : 'נַעַל הִתעַמְלוּת' ,
8 : 'תיק' ,
9 : 'מגף קרסול' ,
}
שלב 4: הדמיית מערך נתונים
לבסוף, דמיינו את הדוגמאות בנתוני האימון באמצעות ספריית 'matplotlib':
fig = plt.figure ( גודל התאנה = ( 8 , 8 ) )קול , שורה = 3 , 3
ל אני ב טווח ( 1 , קול * שורה + 1 ) :
sample_index = torch.randint ( רק ( tr_date ) , גודל = ( 1 , ) ) .פריט ( )
img, label = tr_data [ sample_index ]
fig.add_subplot ( שׁוּרָה, קול , אני )
plt.title ( מופה_תווית [ תווית ] )
plt.axis ( 'כבוי' )
plt.imshow ( img.squeeze ( ) , cmap = 'אפור' )
plt.show ( )
הערה : תוכל לגשת למחברת Google Colab שלנו כאן קישור .
זה היה הכל על איטרציה והצגה של מערך הנתונים הרצוי באמצעות PyTorch.
סיכום
כדי לחזור ולהמחיש מערך נתונים מסוים באמצעות PyTorch, ראשית, ייבא את הספריות הדרושות. לאחר מכן, טען את מערך הנתונים הרצוי להדרכה ובדיקה עם הפרמטרים הנדרשים. לאחר מכן, סמן כיתות במערך הנתונים והצג דוגמאות בנתוני ההדרכה באמצעות ספריית 'matplotlib'. כתיבה זו המחישה את השיטה לחזרה ולדמיין מערך נתונים ספציפי באמצעות PyTorch.