Власні набори даних 🔥PyTorch

Технології комп’ютерного зору

Автор

Приналежність

Ігор Мірошниченко

КНУ імені Тараса Шевченка

1. Відтворіть функції завантаження даних, які ми створили на лекції. Ви повинні мати готові до використання DataLoader для навчання та тестування.
2. У наших папках є кілька зображень. Тепер нам потрібно зробити їх сумісними з PyTorch, виконавши такі дії:
   1. Перетворити дані в тензори.
   2. Перетворити дані тензора в torch.utils.data.Dataset, а потім в torch.utils.data.DataLoader.
3. Завантажити дані зображення за допомогою ImageFolder
4. Відтворіть model_0, яку ми побудували.
5. Створити функції навчання та тестування для model_0.
6. Спробуйте навчити модель протягом 5, 20 і 50 епох. Що відбудеться з результатами?
   • Використовуйте torch.optim.Adam() з кроком навчання 0,001.
7. Подвійте кількість прихованих одиниць у вашій моделі та навчіть її протягом 20 епох. Що станеться з результатами?
8. Подвійте обсяг даних, які ви використовуєте у своїй моделі, і навчіть її протягом 20 епох. Що станеться з результатами?
9. Зробіть прогноз на основі власного зображення. Чи правильно працює модель, яку ви навчили? Якщо ні, що, на вашу думку, можна зробити, щоб її вдосконалити?