数据增强小节资源-CSDN文库

194 浏览量 2021-01-06 23:03:26 上传评论收藏 51KB PDF 举报

资源详情

资源评论

资源推荐

数据增强小节数据增强小节

图像增广¶在5.6节（深度卷积神经网络）里我们提到过，大规模数据集是成功应用深度神经网络的前提。图像增广（image

augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图

像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图

像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们也可以调整亮度、色

彩等因素来降低模型对色彩的敏感度。可以说，在当年AlexNet的成功中，图像增广技术功不可没。本节我们将讨论这个在计

算机视觉里被广泛使用的技术。

首先，导入实验所需的包或模块。

In [1]:

import os

os.listdir(“/home/kesci/input/img2083/”)

Out[1]:

[‘img’]

In [2]:

%matplotlib inline

import os

import time

import torch

from torch import nn, optim

from torch.utils.data import Dataset, DataLoader

import torchvision

import sys

from PIL import Image

sys.path.append(“/home/kesci/input/”)

#置当前使用的GPU设备仅为0号设备

os.environ[“CUDA_VISIBLE_DEVICES”] = “0”

import d2lzh1981 as d2l

定义定义device，是否使用，是否使用GPU，依据计算机配置自动会选择，依据计算机配置自动会选择

device = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’)

print(torch.version)

print(device)

9.1.1 常用的图像增广方法¶

我们来读取一张形状为400×500（高和宽分别为400像素和500像素）的图像作为实验的样例。

In [3]:

d2l.set_figsize()

img = Image.open(’/home/kesci/input/img2083/img/cat1.jpg’)

d2l.plt.imshow(img)

Out[3]:

下面定义绘图函数show_images。

In [4]:

本函数已保存在本函数已保存在d2lzh_pytorch包中方便以后使用包中方便以后使用

def show_images(imgs, num_rows, num_cols, scale=2):

figsize = (num_cols * scale, num_rows * scale)

_, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)

for i in range(num_rows):

for j in range(num_cols):

axes[i][j].imshow(imgs[i * num_cols + j])

axes[i][j].axes.get_xaxis().set_visible(False)

axes[i][j].axes.get_yaxis().set_visible(False)

return axes

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

内容反馈

weixin_38725450

粉丝: 1
资源: 913

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip