Mengelola gambar dengan PyTorch

Deep Learning Lanjutan dengan PyTorch

Michal Oleszak

Machine Learning Engineer

Dataset awan

Contoh dari dataset awan: lima gambar yang menunjukkan berbagai jenis awan.

¹ https://www.kaggle.com/competitions/cloud-type-classification2/data

Apa itu gambar?

Gambar awan dengan bagian yang dizoom agar piksel terlihat.

Gambar terdiri dari piksel ("picture elements")
Tiap piksel berisi informasi warna
Gambar grayscale: bilangan bulat 0 - 255
- 30:

Kotak berwarna abu-abu

Gambar berwarna: tiga bilangan bulat, satu per kanal warna (Merah, Hijau, Biru)
- RGB = (52, 171, 235):

Kotak berwarna biru

Memuat gambar ke PyTorch

Struktur direktori yang diinginkan:

clouds_train

  - cumulus

    - 75cbf18.jpg
    - ...

  - cumulonimbus
  - ...

clouds_test

  - cumulus
  - cumulonimbus
  - ...

Folder utama: clouds_train dan clouds_test
Di tiap folder utama: satu folder per kategori
Di tiap folder kelas: file gambar

Memuat gambar ke PyTorch

from torchvision.datasets import ImageFolder
from torchvision import transforms


train_transforms = transforms.Compose([
    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])


dataset_train = ImageFolder(
    "data/clouds_train",
    transform=train_transforms,
)

Definisikan transformasi:
- Ubah ke tensor
- Ubah ukuran ke 128x128
Buat dataset dengan:
- Path ke data
- Transformasi pradefinisi

Menampilkan gambar

dataloader_train = DataLoader(
    dataset_train, 
    shuffle=True, 
    batch_size=1,
)

image, label = next(iter(dataloader_train))
print(image.shape)

torch.Size([1, 3, 128, 128])

image = image.squeeze().permute(1, 2, 0)
print(image.shape)

torch.Size([128, 128, 3])

import matplotlib.pyplot as plt
plt.imshow(image)
plt.show()

Gambar awan keluaran dari plt.show

Augmentasi data

train_transforms = transforms.Compose([

    transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(45),

    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])


dataset_train = ImageFolder(
    "data/clouds/train",
    transform=train_transforms,
)

Augmentasi data: Membuat lebih banyak data dengan menerapkan transformasi acak pada gambar asli

Menambah ukuran dan keragaman data latih
Meningkatkan ketangguhan model
Mengurangi overfitting

Tiga gambar awan yang menunjukkan transformasi rotasi

Ayo berlatih!

Deep Learning Lanjutan dengan PyTorch