การฝึก Image Classifier

Deep Learning ระดับกลางด้วย PyTorch

Michal Oleszak

Machine Learning Engineer

Data Augmentation ทบทวนใหม่

ภาพแมว

Data Augmentation ทบทวนใหม่

ภาพแมวที่พลิกในแนวนอนและหมุน

สิ่งที่ไม่ควร Augment

มะนาวสีเหลืองและมะนาวแป้นสีเขียวที่มีลักษณะเหมือนกัน แตกต่างกันเพียงสี

สิ่งที่ไม่ควร Augment

ตัวอักษร "W" เมื่อพลิกในแนวตั้งจะกลายเป็นตัวอักษร "M"

Augmentation อาจส่งผลต่อ Label
ว่าจะสร้างความสับสนหรือไม่นั้นขึ้นอยู่กับงานที่ทำ
เลือก Augmentation โดยคำนึงถึงข้อมูลและงานเสมอ!

Augmentation สำหรับการจำแนกประเภทเมฆ

ตัวอย่างรูปภาพเมฆ

Random rotation: ให้โมเดลเรียนรู้มุมมองการก่อตัวของเมฆที่หลากหลาย
Horizontal flip: จำลองมุมมองท้องฟ้าที่แตกต่างกัน
Auto contrast adjustment: จำลองสภาพแสงที่แตกต่างกัน

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

Cross-Entropy Loss

Binary classification: Binary cross-entropy (BCE) loss
Multi-class classification: Cross-entropy loss
criterion = nn.CrossEntropyLoss()

Training Loop ของ Image Classifier

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()

มาฝึกกันเถอะ!

Deep Learning ระดับกลางด้วย PyTorch