PyTorch هو إطار عمل للتعلم العميق يمكّن المستخدمين من إنشاء/بناء وتدريب الشبكات العصبية. مجموعة البيانات هي بنية بيانات تحتوي على مجموعة/مجموعة من عينات البيانات والتسميات. فهو يوفر طريقة للوصول إلى البيانات ككل أو باستخدام عمليات الفهرسة والتقطيع. علاوة على ذلك، يمكن لمجموعة البيانات أيضًا تطبيق تحويلات على البيانات، مثل الاقتصاص وتغيير الحجم وما إلى ذلك. ويمكن للمستخدمين تكرار مجموعة البيانات وتصورها بسهولة في PyTorch.
ستوضح هذه المقالة طريقة تكرار مجموعة بيانات محددة وتصورها باستخدام PyTorch.
كيفية تكرار مجموعة البيانات وتصورها باستخدام PyTorch؟
لتكرار مجموعة بيانات معينة وتصورها باستخدام PyTorch، اتبع الخطوات المتوفرة:
الخطوة 1: استيراد المكتبة الضرورية
أولاً، قم باستيراد المكتبات المطلوبة. على سبيل المثال، قمنا باستيراد المكتبات التالية:
استيراد الشعلة
من torch.utils.data استيراد مجموعة البيانات
من مجموعات بيانات استيراد torchvision
من torchvision.transforms قم باستيراد ToTensor
استيراد matplotlib.pyplot مثل معاهدة قانون البراءات
هنا:
-
- ' استيراد الشعلة 'تستورد مكتبة PyTorch.
- ' من torch.utils.data استيراد مجموعة البيانات 'تستورد فئة 'Dataset' من وحدة 'torch.utils.data' الخاصة بـ PyTorch لإنشاء مجموعات بيانات مخصصة في PyTorch.
- ' من مجموعات بيانات استيراد torchvision 'تستورد وحدة 'مجموعات البيانات' من مكتبة 'torchvision' التي توفر مجموعات بيانات محددة مسبقًا لمهام رؤية الكمبيوتر.
- ' من torchvision.transforms قم باستيراد ToTensor 'يستورد تحويل 'ToTensor' من 'torchvision.transforms' لتحويل صور PIL أو صفائف NumPy إلى موترات PyTorch.
- ' استيراد matplotlib.pyplot كـ plt 'يستورد مكتبة matplotlib لتصور البيانات:
الخطوة 2: تحميل مجموعة البيانات
الآن، سنقوم بتحميل مجموعة بيانات FashionMNIST من torchvision لأغراض التدريب والاختبار مع المعلمات التالية:
tr_data = datasets.FashionMNIST ( جذر = 'بيانات' , يدرب =صحيح، تحميل =صحيح، تحول =ToTensor ( ))
ts_data = datasets.FashionMNIST ( جذر = 'بيانات' , يدرب = خطأ، تحميل =صحيح، تحول =ToTensor ( )
)
هنا:
-
- ' أزياءMNIST ' يقوم بتحميل مجموعة بيانات FashionMNIST من مكتبة torchvision.
- ' الجذر = 'البيانات' 'يحدد الدليل حيث سيتم تخزين مجموعة البيانات أو تحميلها إذا كانت موجودة بالفعل. في حالتنا، هو دليل 'البيانات'.
- ' يدرب ' يشير إلى مجموعة بيانات التدريب أو الاختبار.
- ' تحميل = صحيح ' يقوم بتنزيل مجموعة البيانات إذا لم تكن موجودة بالفعل.
- ' تحويل = ToTensor () 'يطبق تحويل ToTensor لتحويل الصور الموجودة في مجموعة البيانات إلى موترات PyTorch:
الخطوة 3: تسمية الفئات في مجموعة البيانات
بعد ذلك، قم بإنشاء قاموس يقوم بتعيين مؤشرات الفئات إلى تسميات الفئات المقابلة لها في مجموعة بيانات FashionMNIST. ويوفر تسميات يمكن قراءتها بواسطة الإنسان لكل فئة. وهنا أنشأنا ' Mapped_label ” القاموس وسنستخدمه لتحويل مؤشرات الفئات إلى تسميات الفئات المقابلة لها:
Mapped_label = {0 : 'تي شيرت' ,
1 : 'بنطلون' ,
2 : 'قف بجانب الطريق' ,
3 : 'فستان' ,
4 : 'معطف' ,
5 : 'صندل' ,
6 : 'قميص' ,
7 : 'حذاء رياضة' ,
8 : 'شنطة' ,
9 : 'حذاء الكاحل' ,
}
الخطوة 4: تصور مجموعة البيانات
أخيرًا، قم بتصور العينات الموجودة في بيانات التدريب باستخدام مكتبة 'matplotlib':
الشكل = plt.figure ( com.Figsize = ( 8 , 8 ) )العقيد الصف = 3 , 3
ل أنا في يتراوح ( 1 , العقيد * صف + 1 ) :
Sample_index = torch.randint ( فقط ( tr_date ) , مقاس = ( 1 , ) ) .غرض ( )
img، التسمية = tr_data [ Sample_index ]
Fig.add_subplot ( صف، العقيد ، أنا )
plt.title ( Mapped_label [ ملصق ] )
plt.axis ( 'عن' )
plt.imshow ( img.squeeze ( ) , com.cmap = 'رمادي' )
plt.show ( )
ملحوظة : يمكنك الوصول إلى Google Colab Notebook الخاص بنا على هذا وصلة .
كان الأمر كله يتعلق بتكرار مجموعة البيانات المطلوبة وتصورها باستخدام PyTorch.
خاتمة
لتكرار مجموعة بيانات معينة وتصورها باستخدام PyTorch، قم أولاً باستيراد المكتبات الضرورية. ثم قم بتحميل مجموعة البيانات المطلوبة للتدريب والاختبار باستخدام المعلمات المطلوبة. بعد ذلك، قم بتسمية الفئات في مجموعة البيانات وتصور العينات في بيانات التدريب باستخدام مكتبة 'matplotlib'. لقد أوضحت هذه الكتابة طريقة تكرار مجموعة بيانات محددة وتصورها باستخدام PyTorch.