Kaip „PyTorch“ veikia „atsitiktinio trynimo“ metodas?

Šiame tinklaraštyje bus aptariama, kaip Atsitiktinis trynimas “ metodas veikia PyTorch.

Kodėl „PyTorch“ naudojamas „atsitiktinio trynimo“ metodas?

Atsitiktinis duomenų pašalinimas iš vaizdų kelia problemų rengiant vaizdų analizės modelius, nes jie yra priversti prisitaikyti prie nepakankamų duomenų. Taip parengiamas realaus pasaulio užduočių modelis, kai ne visada yra išsamių duomenų. Modelis tampa daug geresnis, nes gali daryti išvadas iš visų rūšių duomenų ir parodyti rezultatus. Pašalinti pikseliai parenkami atsitiktinai, todėl nėra šališkumo, o gautas vaizdas naudojamas kaip įvesties duomenys treniruočių metu.

Kaip „PyTorch“ veikia „atsitiktinio ištrynimo“ metodas?

Atsitiktinio ištrynimo metodas naudojamas giluminio mokymosi modeliui geriau pritaikyti valdyti realias programas. Atlikite toliau nurodytus veiksmus, kad sužinotumėte, kaip jį naudoti savo PyTorch projektuose, kad padidintumėte jų duomenų valdymą ir pagerintumėte išvadų galimybes:

1 veiksmas: nustatykite Colaboratory IDE

„Google Colab“ yra idealus pasirinkimas kuriant AI modelius naudojant „PyTorch“ sistemą. Eikite į Kolaboratoriją Interneto svetainė ir paleiskite „ Naujas bloknotas “:

2 veiksmas: importuokite reikalingas bibliotekas

Naudoti ' !pip “ paketų diegimo programa, kurią teikia Python, kad įdiegtų bibliotekas ir naudotų „ importuoti “ komanda importuoti juos į projektą:

Pateikto kodo aprašymas yra toks:

• Importuoti ' deglas biblioteka naudojant importuoti “ komanda.
• „ fakelo vizija.transformuoja “ pakete yra atsitiktinio trynimo transformacijos.
• “ PIL “ yra python vaizdų biblioteka ir joje yra vaizdų apdorojimo funkcijos.
• „ matplotlib.pyplot biblioteka naudojama originaliems ir transformuotiems vaizdams vizualizuoti:

3 veiksmas: įkelkite įvesties vaizdą

Įkelkite paveikslėlį į skyrių Failai:

Tada įkelkite įvesties vaizdą naudodami „ atviras() “ modulio „Vaizdas“ metodas:

4 veiksmas: nurodykite transformaciją, kad atliktumėte transformacijas

Dabar apibrėžkite „ Atsitiktinis trynimas “ transformatorius, kuris pakeis vaizdą pasirinkdamas atsitiktinę stačiakampę sritį ir ištrindamas jo pikselius. Be to, konvertuokite įvesties vaizdą į degiklio jutiklį naudodami „ ToTensor () “ metodą, jei tai yra PIL vaizdas, tada konvertuokite jį atgal į PIL vaizdą naudodami „ ToPILIvaizdas() “:

Parametrai, naudojami aukščiau Atsitiktinis trynimas Transformatorius yra paaiškintas toliau:

• p: Tai rodo tikimybę, kad atsitiktinė didinimo operacija bus įvykdyta.
• skalė: Tai rodo ištrintos įvesties vaizdo srities diapazoną.
• santykis: Tai reiškia ištrintos srities kraštinių santykį.
• vertė: Nurodoma trynimo reikšmė, kuri pagal numatytuosius nustatymus yra „0“. Jei tai yra vienas sveikasis skaičius, jis pašalina visus pikselius, o jei tai yra seka, turinti tris sveikuosius skaičius, atitinkamai pašalinami R, G ir B kanalai.
• vietoje: Tai yra 'bulio' reikšmė, dėl kurios nurodytas atsitiktinio ištrynimo transformatorius yra vietoje. Pagal numatytuosius nustatymus jis yra „klaidingas“.

5 veiksmas: naudokite žodyno supratimą, kad padarytumėte išvesties vaizdus

Naudokite žodyno supratimo koncepciją, kad padarytumėte keturis išvesties vaizdus:

6 veiksmas: parodykite keturis išvesties vaizdus

Galiausiai parodykite keturis išvesties vaizdus naudodami toliau nurodytą kodų bloką:

Aukščiau pateiktas kodo aprašymas yra toks:

• Taikykite ' plt.figure() “ metodas keturiems nurodyto pločio ir aukščio vaizdams braižyti.
• Tada nurodykite konkrečias eilutes ir stulpelius, kad sureguliuotumėte keturis vaizdus.
• Po to inicijuokite „for“ kilpą, kuri taiko „ subplot () “ metodas, skirtas apibrėžti antrinį siužetą, „show()“ metodas vaizdams rodyti ir „ plt.xticks() “, taip pat „ plt.yticks() “ norėdami nustatyti dabartinę žymės vietą ir x bei y ašių etiketes.
• Galiausiai naudokite „ plt.show() “ būdas spausdinti vaizdus į išvestį:

Pastaba : vartotojai gali pasiekti „Colab“ bloknotą naudodami pateiktą nuoroda .

Pro-Tip

Vienas iš pagrindinių „ Atsitiktinis trynimas “ metodas PyTorch projektuose yra saugumas. Jis gali būti naudojamas pikseliams pašalinti iš jautrių vaizdų, pvz., tų, kuriuose yra tam tikrų komercinių paslapčių ar kitų vertingų dalykų. Konkrečią atsitiktinę šio ištrynimo funkciją žinotų tik pradinis vartotojas ir tik jis galėtų atkurti ištrintus vaizdus į pradinę jų versiją.

Sėkmė! Mes parodėme, kaip „PyTorch“ veikia atsitiktinio ištrynimo metodas.

Išvada

„ Atsitiktinis trynimas “ metodas PyTorch veikia pašalinant atsitiktinius vaizdo taškus ir imituojant realų scenarijų, kad modelis būtų geriau apmokytas. Dėl to modelis bus tinkamesnis tvarkyti įvairių tipų duomenis, kad būtų galima daryti kokybiškas išvadas iš neišsamių duomenų. Mes parodėme, kaip naudoti „ Atsitiktinis trynimas “ metodas PyTorch.