このブログでは、「 ランダム消去 」メソッドは PyTorch で動作します。
PyTorch で「ランダム消去」メソッドが使用されるのはなぜですか?
画像からデータをランダムに削除すると、不十分なデータに適応せざるを得なくなるため、画像分析モデルのトレーニングに問題が生じます。これにより、完全なデータが常に存在するとは限らない現実世界のタスク用のモデルが準備されます。モデルは、あらゆる種類のデータから推論を導き、結果を表示できるようにはるかに優れています。削除するピクセルの選択はランダムであるため、バイアスが導入されず、結果の画像がトレーニング中に入力データとして使用されます。
PyTorch での「ランダム消去」メソッドはどのように機能しますか?
ランダム消去法は、深層学習モデルが実際のアプリケーションを処理できるようにするために使用されます。データ管理を強化し、推論機能を向上させるために、PyTorch プロジェクトでこれを使用する方法を学ぶには、以下の手順に従ってください。
ステップ 1: Colaboratory IDE をセットアップする
Google Colab は、PyTorch フレームワークを使用した AI モデルの開発に理想的な選択肢です。コラボレーションに移動します Webサイト そして「」を立ち上げます 新しいノートブック ”:
ステップ 2: 必要なライブラリをインポートする
使用 ' !ピップ ” ライブラリをインストールして使用するために Python によって提供されるパッケージ インストーラー 輸入 ” コマンドを使用してプロジェクトにインポートします。
輸入 松明輸入 トーチビジョン。 変換する として ts
から ピル 輸入 画像
輸入 マットプロットライブラリ。 パイプロット として ピート
指定されたコードの説明は次のとおりです。
- 「」をインポートします 松明 ” ライブラリを使用して” 輸入 ' 指示。
- ” torchvision.transforms 」パッケージには、ランダム消去の変換が含まれています。
- 「 ピル 」はPythonの画像ライブラリであり、画像を処理する機能が含まれています。
- ” matplotlib.pyplot 」ライブラリは、元の画像と変換された画像を視覚化するために使用されます。
ステップ 3: 入力画像をアップロードする
「ファイル」セクションに画像をアップロードします。
次に、「」を使用して入力画像を読み込みます。 開ける（） 「画像」モジュールの「メソッド」：
画像 = 画像。 開ける ( 「a2.jpeg」 )ステップ 4: 変換を実行するための変換を指定する
ここで、「」を定義します。 ランダム消去 」トランスフォーマは、ランダムな長方形領域を選択し、そのピクセルを消去することによって画像を変換します。さらに、「」を使用して入力画像をトーチセンサーに変換します。 ToTensor() PIL イメージの場合は「」メソッドを使用し、「」経由で PIL イメージに変換し直します。 ToPILImage() ”:
変身 = ts. 作曲する ( [ ts. ToTensor ( ) 、 ts. ランダム消去 ( p = 0.5 、 規模 = ( 0.02 、 0.33 ) 、 比率 = ( 0.3 、 3.3 ) 、 価値 = 0 、 所定の位置に = 間違い ) 、 ts. トップPIL画像 ( ) ] )上記の「」で使用されるパラメータ ランダム消去 」トランスについては以下で説明します。
- p: ランダムな引き上げ操作が達成される確率を表します。
- 規模： 入力画像の消去領域の範囲を示します。
- 比率： 消去領域のアスペクト比を表します。
- 価値： 消去値を指定します。デフォルトは「0」です。単一の整数の場合はすべてのピクセルが削除され、3 つの整数を含むタプルの場合は R、G、B チャネルがそれぞれ削除されます。
- 所定の位置に： これは、指定されたランダム消去トランスを所定の位置に作成する「ブール」値です。デフォルトでは「false」になっています。
ステップ 5: 辞書内包表記を使用して出力イメージを取得する
辞書理解の概念を使用して、4 つの出力イメージを取得します。
画像 = [ 変身 ( 画像 ) のために _ で 範囲 ( 4 ) ]ステップ 6: 4 つの出力画像を紹介する
最後に、以下のコード ブロックを使用して 4 つの出力イメージを表示します。
イチジク = plt. 形 ( 図サイズ = ( 7 、 4 ) )行 、 コル = 2 、 2
のために j で 範囲 ( 0 、 のみ ( 画像 ) ) :
イチジク。 追加_サブプロット ( 行 、 コル 、 j+ 1 )
plt. イムショー ( 画像 [ j ] )
plt. xティックス ( [ ] )
plt. yティック ( [ ] )
plt. 見せる ( )
上記のコードの説明は次のとおりです。
- 「」を適用します。 plt.figure() 」を使用して、指定した幅と高さの 4 つの画像をプロットします。
- 次に、特定の行と列を指定して 4 つの画像を調整します。
- その後、「」を適用する「for」ループを初期化します。 サブプロット() ” メソッドでサブプロットを定義し、”show()” メソッドで画像を表示し、” plt.xticks() ' 同様に ' plt.yticks() 」をクリックして、現在の目盛りの位置と x 軸と y 軸のラベルを設定します。
- 最後に「」を使用します。 plt.show() 」 出力する画像を印刷するメソッド:
注記 : ユーザーは、提供されているツールを使用して Colab ノートブックにアクセスできます。 リンク 。
プロのヒント
「」の主な用途の 1 つ ランダム消去 PyTorch プロジェクトの「メソッド」はセキュリティです。これは、企業秘密やその他の価値のあるものを含む機密画像からピクセルを削除するために使用できます。この消去の特定のランダム機能は元のユーザーのみが知っており、ユーザーだけが消去されたイメージを元のバージョンに復元できるようになります。
成功！ PyTorch でランダム消去メソッドがどのように機能するかを示しました。
結論
” ランダム消去 PyTorch のメソッドは、モデルをより適切にトレーニングするために、画像からランダムなピクセルを削除し、現実世界のシナリオを模倣することによって機能します。これにより、モデルはさまざまな種類のデータをより適切に処理して、不完全なデータから質の高い推論を引き出すことができます。 「」の使い方を図解しました。 ランダム消去 PyTorch の「メソッド」。