画像分類器のトレーニング

PyTorchによる中級ディープラーニング

Michal Oleszak

Machine Learning Engineer

データ拡張の復習

猫の画像。

データ拡張の復習

水平反転および回転された猫の画像。

拡張すべきでないケース

黄色のレモンと緑色のライムは色だけが異なり、形は同じ。

拡張すべきでないケース

黄色のレモンと緑色のライムは色だけが異なり、形は同じ。

拡張すべきでないケース

「W」を垂直反転すると「M」のように見える。

拡張によってラベルが変わる場合がある
問題となるかはタスクによって異なる
データとタスクを考慮して拡張を選択すること！

雲分類のためのデータ拡張

雲の画像サンプル。

ランダム回転：さまざまな角度の雲の形状をモデルに学習させる
水平反転：異なる空の視点を再現する
自動コントラスト調整：異なる照明条件を再現する

train_transforms = transforms.Compose([
    transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(45),
    transforms.RandomAutocontrast(),
    transforms.ToTensor(),
    transforms.Resize((128, 128))
])

交差エントロピー損失

二値分類：二値交差エントロピー（BCE）損失
多クラス分類：交差エントロピー損失
criterion = nn.CrossEntropyLoss()

画像分類器のトレーニングループ

net = Net(num_classes=7)

criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(), lr=0.001)


for epoch in range(10):
    for images, labels in dataloader_train:
        optimizer.zero_grad()
        outputs = net(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

練習しましょう！

PyTorchによる中級ディープラーニング