Este blog discutirá cómo el “ Borrado aleatorio El método funciona en PyTorch.
¿Por qué se utiliza el método de 'borrado aleatorio' en PyTorch?
La eliminación aleatoria de datos de las imágenes presenta un problema para el entrenamiento de modelos de análisis de imágenes porque se ven obligados a adaptarse a datos insuficientes. Esto prepara un modelo para tareas del mundo real donde no siempre hay datos completos. El modelo mejora mucho al poder hacer inferencias a partir de todo tipo de datos y lograr mostrar resultados. La selección de píxeles para su eliminación es aleatoria, por lo que no se introduce ningún sesgo y la imagen resultante se utiliza como datos de entrada durante el entrenamiento.
¿Cómo funciona el método de 'borrado aleatorio' en PyTorch?
El método de borrado aleatorio se utiliza para crear un modelo de aprendizaje profundo mejor equipado para manejar aplicaciones reales. Siga los pasos que se indican a continuación para aprender cómo usarlo en sus proyectos de PyTorch para aumentar su gestión de datos y mejorar las capacidades de inferencia:
Paso 1: configurar el IDE colaborativo
Google Colab es una opción ideal para el desarrollo de modelos de IA utilizando el marco PyTorch. Navegar al laboratorio sitio web y lanzar un “ Nuevo cuaderno ”:
Paso 2: importe las bibliotecas necesarias
Utilizar el ' !pepita 'Instalador de paquetes proporcionado por Python para instalar bibliotecas y usar el' importar ”comando para importarlos al proyecto:
importar antorchaimportar visión de antorcha. transforma como ts
de PILA importar Imagen
importar matplotlib. diagrama de datos como pl
La descripción del código dado es la siguiente:
- Importar el “ antorcha 'biblioteca usando el' importar ' dominio.
- El ' torchvision.transforms El paquete contiene las transformaciones para el borrado aleatorio.
- “ PILA ”es la biblioteca de imágenes de Python y contiene la funcionalidad para procesar imágenes.
- El ' matplotlib.pyplot La biblioteca se utiliza para visualizar las imágenes originales y transformadas:
Paso 3: cargue la imagen de entrada
Sube la imagen en la sección Archivos:
A continuación, cargue la imagen de entrada usando el botón ' abierto() ”Método del módulo “Imagen”:
imagen = Imagen. abierto ( 'a2.jpeg' )Paso 4: especificar la transformación para realizar transformaciones
Ahora, define un “ Borrado aleatorio ”transformador que transformará la imagen seleccionando su región rectangular aleatoria y borrando sus píxeles. Además, convierta la imagen de entrada al sensor de la antorcha usando el botón ' ATensor() 'Método si es una imagen PIL y luego convertirla nuevamente a la imagen PIL a través del' APILImage() ”:
transformar = ts. Componer ( [ ts. A Tensor ( ) , ts. Borrado aleatorio ( pag = 0.5 , escala = ( 0.02 , 0.33 ) , relación = ( 0.3 , 3.3 ) , valor = 0 , en su lugar = FALSO ) , ts. Imagen de PIL ( ) ] )Los parámetros utilizados en lo anterior ' Borrado aleatorio ” transformador se explican a continuación:
- pag: Representa la probabilidad de que se logre la operación de elevación aleatoria.
- escala: Indica el rango del área borrada de una imagen de entrada.
- relación: Denota la relación de aspecto de la región borrada.
- valor: Especifica el valor de borrado que es '0' por defecto. Si es un número entero, elimina todos los píxeles, y si es una tupla que tiene tres números enteros, elimina los canales R, G y B respectivamente.
- en su lugar: Es un valor 'booleano' que hace que el transformador de borrado aleatorio dado esté en su lugar. Por defecto, es 'falso'.
Paso 5: utilice la comprensión del diccionario para tomar imágenes de salida
Utilice el concepto de comprensión del diccionario para tomar las cuatro imágenes de salida:
imágenes = [ transformar ( imagen ) para _ en rango ( 4 ) ]Paso 6: muestre las cuatro imágenes de salida
Por último, muestre las cuatro imágenes de salida con la ayuda del bloque de código que se indica a continuación:
higo = plt. cifra ( tamaño de higo = ( 7 , 4 ) )filas , cols = 2 , 2
para j en rango ( 0 , solo ( imágenes ) ) :
higo. agregar_subtrama ( filas , cols , j+ 1 )
plt. estoy mostrando ( imágenes [ j ] )
plt. xticks ( [ ] )
plt. yticks ( [ ] )
plt. espectáculo ( )
La descripción del código anterior es la siguiente:
- Aplica el ' plt.figura() 'Método para trazar las cuatro imágenes de ancho y alto especificados.
- Luego, especifique filas y columnas específicas para ajustar las cuatro imágenes.
- Después de eso, inicialice un bucle 'for' que aplica el ' subtrama() ”para definir la trama secundaria, el método “show()” para mostrar las imágenes y el método “ plt.xticks() ' así como ' plt.yticks() ”para establecer la ubicación actual de la marca y las etiquetas de los ejes x e y.
- Por último, utilice el ' plt.show() 'Método para imprimir las imágenes a la salida:
Nota : Los usuarios pueden acceder a nuestro Colab Notebook utilizando el proporcionado enlace .
Consejo profesional
Un uso clave del “ Borrado aleatorio El método en los proyectos PyTorch es la seguridad. Se puede utilizar para eliminar píxeles de imágenes sensibles, como aquellas que contienen secretos comerciales u otra cosa de valor. La función aleatoria específica para este borrado solo la conocería el usuario original y solo el usuario podría restaurar las imágenes borradas a su versión original.
¡Éxito! Hemos mostrado cómo funciona el método de borrado aleatorio en PyTorch.
Conclusión
El ' Borrado aleatorio El método en PyTorch funciona eliminando píxeles aleatorios de una imagen e imitando un escenario del mundo real para entrenar mejor el modelo. Esto hará que el modelo sea más hábil en el manejo de diferentes tipos de datos para extraer inferencias de calidad a partir de datos incompletos. Hemos ilustrado cómo utilizar el “ Borrado aleatorio 'Método en PyTorch.