இந்த வலைப்பதிவு எப்படி ' சீரற்ற அழித்தல் ” முறை PyTorch இல் வேலை செய்கிறது.
பைடார்ச்சில் 'ரேண்டம் அழித்தல்' முறை ஏன் பயன்படுத்தப்படுகிறது?
படங்களிலிருந்து தரவை சீரற்ற முறையில் அகற்றுவது பட பகுப்பாய்வு மாதிரிகளின் பயிற்சிக்கு ஒரு சிக்கலை அளிக்கிறது, ஏனெனில் அவை போதுமான தரவை மாற்றியமைக்க வேண்டிய கட்டாயத்தில் உள்ளன. முழுமையான தரவு எப்போதும் இல்லாத நிஜ உலகப் பணிகளுக்கு இது ஒரு மாதிரியைத் தயாரிக்கிறது. எல்லா வகையான தரவுகளிலிருந்தும் அனுமானங்களை வரையவும் முடிவுகளைக் காட்ட நிர்வகிக்கவும் இந்த மாதிரி மிகவும் சிறப்பாகிறது. அகற்றுவதற்கான பிக்சல்களைத் தேர்ந்தெடுப்பது சீரற்றது, எனவே சார்பு அறிமுகம் இல்லை, அதன் விளைவாக வரும் படம் பயிற்சியின் போது உள்ளீட்டுத் தரவாகப் பயன்படுத்தப்படுகிறது.
PyTorch இல் 'ரேண்டம் அழித்தல்' முறை எப்படி வேலை செய்கிறது?
ரேண்டம் அழித்தல் முறையானது உண்மையான பயன்பாடுகளைக் கையாளும் வகையில் ஒரு ஆழமான கற்றல் மாதிரியை சிறப்பாகச் செய்யப் பயன்படுகிறது. உங்கள் PyTorch திட்டப்பணிகளில் அவற்றின் தரவு நிர்வாகத்தை அதிகரிக்கவும் அனுமானத் திறன்களை மேம்படுத்தவும் அதை எவ்வாறு பயன்படுத்துவது என்பதை அறிய கீழே கொடுக்கப்பட்டுள்ள படிகளைப் பின்பற்றவும்:
படி 1: Colaboratory IDE ஐ அமைக்கவும்
PyTorch கட்டமைப்பைப் பயன்படுத்தி AI மாதிரிகளை உருவாக்குவதற்கு Google Colab ஒரு சிறந்த தேர்வாகும். கூட்டுறவிற்கு செல்லவும் இணையதளம் மற்றும் தொடங்கவும் ' புதிய நோட்புக் ”:
படி 2: தேவையான நூலகங்களை இறக்குமதி செய்யவும்
பயன்படுத்த ' !பிப் நூலகங்களை நிறுவவும் பயன்படுத்தவும் பைதான் வழங்கிய தொகுப்பு நிறுவி ' இறக்குமதி திட்டத்தில் அவற்றை இறக்குமதி செய்ய கட்டளை:
இறக்குமதி ஜோதிஇறக்குமதி ஜோதி தரிசனம். மாற்றுகிறது என டி.எஸ்
இருந்து PIL இறக்குமதி படம்
இறக்குமதி matplotlib. பைப்லாட் என plt
கொடுக்கப்பட்ட குறியீட்டின் விளக்கம் பின்வருமாறு:
- இறக்குமதி செய் ' ஜோதி 'நூலகத்தைப் பயன்படுத்தி' இறக்குமதி ” கட்டளை.
- ' ஜோதி பார்வை.மாற்றம் ” தொகுப்பில் ரேண்டம் அழிப்பதற்கான உருமாற்றங்கள் உள்ளன.
- ' PIL ” என்பது பைதான் பட நூலகம் மற்றும் இது படங்களை செயலாக்குவதற்கான செயல்பாட்டைக் கொண்டுள்ளது.
- ' matplotlib.pyplot அசல் மற்றும் மாற்றப்பட்ட படங்களை காட்சிப்படுத்த நூலகம் பயன்படுத்தப்படுகிறது:
படி 3: உள்ளீட்டு படத்தை பதிவேற்றவும்
கோப்புகள் பிரிவில் படத்தைப் பதிவேற்றவும்:
அடுத்து, 'ஐப் பயன்படுத்தி உள்ளீட்டு படத்தை ஏற்றவும் திறந்த () 'படம்' தொகுதியின் முறை:
படம் = படம். திறந்த ( 'a2.jpeg' )படி 4: உருமாற்றங்களைச் செய்வதற்கு உருமாற்றத்தைக் குறிப்பிடவும்
இப்போது, ஒரு 'வரையறுக்கவும் ரேண்டம் அழித்தல் ” மின்மாற்றி அதன் சீரற்ற செவ்வகப் பகுதியைத் தேர்ந்தெடுத்து அதன் பிக்சல்களை அழிப்பதன் மூலம் படத்தை மாற்றும். கூடுதலாக, உள்ளீட்டு படத்தை டார்ச் சென்சாராக மாற்றவும் ' ToTensor() 'முறையானது PIL படமாக இருந்தால், அதை மீண்டும் PIL படமாக மாற்றவும்' ToPILImage() ”:
மாற்றம் = டி.எஸ். எழுது ( [ டி.எஸ். டோடென்சர் ( ) , டி.எஸ். ரேண்டம் அழித்தல் ( ப = 0.5 , அளவுகோல் = ( 0.02 , 0.33 ) , விகிதம் = ( 0.3 , 3.3 ) , மதிப்பு = 0 , இடத்தில் = பொய் ) , டி.எஸ். ToPILIபடம் ( ) ] )மேலே உள்ள அளவுருக்கள் ' ரேண்டம் அழித்தல் 'மின்மாற்றி கீழே விளக்கப்பட்டுள்ளது:
- ப: இது சீரற்ற உயர்த்துதல் செயல்பாடு அடையப்படுவதற்கான நிகழ்தகவைக் குறிக்கிறது.
- அளவு: இது உள்ளீட்டு படத்தின் அழிக்கப்பட்ட பகுதியின் வரம்பைக் குறிக்கிறது.
- விகிதம்: இது அழிக்கப்பட்ட பகுதியின் விகிதத்தைக் குறிக்கிறது.
- மதிப்பு: இது முன்னிருப்பாக '0' என்ற அழிக்கும் மதிப்பைக் குறிப்பிடுகிறது. இது ஒரு முழு எண்ணாக இருந்தால், அது அனைத்து பிக்சல்களையும் நீக்குகிறது, மேலும் மூன்று முழு எண்களைக் கொண்ட டூப்பிள் என்றால் அது முறையே R, G மற்றும் B சேனல்களை நீக்குகிறது.
- இடத்தில்: இது ஒரு 'பூலியன்' மதிப்பாகும், இது கொடுக்கப்பட்ட சீரற்ற அழிக்கும் மின்மாற்றியை இடமாற்றம் செய்கிறது. முன்னிருப்பாக, இது 'தவறு'.
படி 5: அவுட்புட் படங்களை எடுக்க அகராதி புரிதலைப் பயன்படுத்தவும்
நான்கு வெளியீட்டுப் படங்களை எடுக்க அகராதி புரிதல் கருத்தைப் பயன்படுத்தவும்:
படங்கள் = [ மாற்றம் ( படம் ) க்கான _ உள்ளே சரகம் ( 4 ) ]படி 6: நான்கு வெளியீட்டு படங்களை காட்சிப்படுத்தவும்
கடைசியாக, கீழே குறிப்பிடப்பட்டுள்ள குறியீடு தொகுதியின் உதவியுடன் நான்கு வெளியீடு படங்களைக் காண்பிக்கவும்:
அத்தி = plt. உருவம் ( அத்திப்பழம் = ( 7 , 4 ) )வரிசைகள் , cols = 2 , 2
க்கான ஜே உள்ளே சரகம் ( 0 , மட்டுமே ( படங்கள் ) ) :
அத்தி. add_subplot ( வரிசைகள் , cols , j+ 1 )
plt. காட்சி ( படங்கள் [ ஜே ] )
plt. xtics ( [ ] )
plt. உண்ணிகள் ( [ ] )
plt. நிகழ்ச்சி ( )
மேலே உள்ள குறியீடு விளக்கம் பின்வருமாறு:
- விண்ணப்பிக்கவும் ' plt.figure() 'குறிப்பிட்ட அகலம் மற்றும் உயரத்தின் நான்கு படங்களைத் திட்டமிடுவதற்கான முறை.
- பின்னர், நான்கு படங்களை சரிசெய்ய குறிப்பிட்ட வரிசைகள் மற்றும் நெடுவரிசைகளைக் குறிப்பிடவும்.
- அதன் பிறகு 'for' லூப்பை துவக்கவும், அது ' துணைக்கதை() ” உபகதையை வரையறுக்கும் முறை, படங்களைக் காண்பிப்பதற்கான “ஷோ()” முறை மற்றும் “ plt.xticks() 'அத்துடன்' plt.yticks() x மற்றும் y-axis இன் தற்போதைய டிக் இருப்பிடம் மற்றும் லேபிள்களை அமைக்க.
- கடைசியாக, பயன்படுத்தவும் ' plt.show() படங்களை அச்சிடுவதற்கான முறை:
குறிப்பு : வழங்கப்பட்டுள்ளதைப் பயன்படுத்தி பயனர்கள் எங்கள் Colab நோட்புக்கை அணுகலாம் இணைப்பு .
சார்பு உதவிக்குறிப்பு
ஒரு முக்கிய பயன்பாடு ' சீரற்ற அழித்தல் 'PyTorch திட்டங்களில் உள்ள முறை பாதுகாப்பு. சில வர்த்தக ரகசியங்கள் அல்லது வேறு ஏதாவது மதிப்புள்ள படங்கள் போன்ற முக்கியமான படங்களிலிருந்து பிக்சல்களை அகற்ற இது பயன்படுத்தப்படலாம். இந்த அழிப்பிற்கான குறிப்பிட்ட சீரற்ற செயல்பாடு அசல் பயனருக்கு மட்டுமே தெரியும் மற்றும் பயனர் மட்டுமே அழிக்கப்பட்ட படங்களை அவற்றின் அசல் பதிப்பிற்கு மீட்டமைக்க முடியும்.
வெற்றி! பைடொர்ச்சில் சீரற்ற அழித்தல் முறை எவ்வாறு செயல்படுகிறது என்பதைக் காட்டியுள்ளோம்.
முடிவுரை
' சீரற்ற அழித்தல் 'PyTorch இல் உள்ள முறையானது, ஒரு படத்தில் இருந்து சீரற்ற பிக்சல்களை அகற்றி, மாடலை சிறப்பாகப் பயிற்றுவிப்பதற்காக நிஜ உலகக் காட்சியைப் பிரதிபலிப்பதன் மூலம் செயல்படுகிறது. முழுமையடையாத தரவுகளிலிருந்து தரமான அனுமானங்களைப் பெற பல்வேறு வகையான தரவைக் கையாள்வதில் இது மாதிரியை மிகவும் திறமையானதாக மாற்றும். ''ஐ எவ்வாறு பயன்படுத்துவது என்பதை நாங்கள் விளக்கியுள்ளோம். சீரற்ற அழித்தல் ”PyTorchல் முறை.