IT专业入门,高考假期预习指南
七月来临,各省高考分数已揭榜完成。而高考的完结并不意味着学习的结束,而是新旅程的开始。对于有志于踏入IT领域的高考少年们,这个假期是开启探索IT世界的绝佳时机。作为该领域的前行者和经验前辈,你是否愿意为准新生们提供一份全面的学习路线图呢?快来分享自己的学习心得和实战经验,来为这批新生提供宝贵的第一手资料吧!结合自己的实际,提供一份专属预习指南,帮助少年们为未来的IT学习和职业生涯打下坚实基础,开启一段挑战与机遇并存的暑期学习之旅吧!
在上一篇博客中,我介绍了如何使用MindSpore构建一个简单的神经网络模型,帮助大家初步了解了深度学习的基础知识和实践方法。相信大家已经对神经网络的构建有了一定的理解。这次,我将继续深入,介绍数据变换(Transforms),这是数据预处理的关键步骤。
在开始之前,我想强调一下,不管在什么阶段,假期都是成长的绝好时机。利用好假期,不仅可以为即将开始的大学生活和未来的职业生涯做好准备,还能够在实际操作中收获很多经验和知识。
通常情况下,直接加载的原始数据并不能直接送入神经网络进行训练,此时我们需要对其进行数据预处理。MindSpore提供不同种类的数据变换(Transforms),配合数据处理Pipeline来实现数据预处理。所有的Transforms均可通过map
方法传入,实现对指定数据列的处理。
mindspore.dataset
提供了面向图像、文本、音频等不同数据类型的Transforms,同时也支持使用Lambda函数。下面分别对其进行介绍。
环境配置
!pip uninstall mindspore -y
!pip install -i https://pypi.mirrors.ustc.edu.cn/simple mindspore==2.2.14
导入模块
import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDataset
Common Transforms
mindspore.dataset.transforms
模块支持一系列通用Transforms。这里我们以Compose为例,介绍其使用方式。
Compose接收一个数据增强操作序列,然后将其组合成单个数据增强操作。我们仍基于Mnist数据集呈现Transforms的应用效果。
# 从公开数据集中下载数据
url = "https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/datasets/MNIST_Data.zip"
path = download(url, "./", kind="zip", replace=True)
train_dataset = MnistDataset('MNIST_Data/train')
image, label = next(train_dataset.create_tuple_iterator())
print(image.shape) # (28, 28, 1)
# 使用Compose组合多个变换操作
composed = transforms.Compose(
[
vision.Rescale(1.0 / 255.0, 0), # 缩放像素值
vision.Normalize(mean=(0.1307,), std=(0.3081,)), # 归一化
vision.HWC2CHW() # 转换图像格式
]
)
train_dataset = train_dataset.map(composed, 'image')
image, label = next(train_dataset.create_tuple_iterator())
print(image.shape) # (1, 28, 28)
Vision Transforms
mindspore.dataset.vision
模块提供一系列针对图像数据的Transforms。在Mnist数据处理过程中,使用了Rescale、Normalize和HWC2CHW变换。下面对其进行详述。
Rescale变换用于调整图像像素值的大小,包括两个参数:
rescale
:缩放因子。shift
:平移因子。
# 随机生成一个像素值在[0, 255]的图像
random_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)
print(random_np)
# 实例化Rescale对象并进行像素值缩放
rescale = vision.Rescale(1.0 / 255.0, 0)
rescaled_image = rescale(random_image)
print(rescaled_image)
Normalize
Normalize变换用于对输入图像的归一化,包括三个参数:
mean
:图像每个通道的均值。std
:图像每个通道的标准差。is_hwc
:输入图像的格式。True为(height, width, channel),False为(channel, height, width)。
# 实例化Normalize对象并进行归一化处理
normalize = vision.Normalize(mean=(0.1307,), std=(0.3081,))
normalized_image = normalize(rescaled_image)
print(normalized_image)
HWC2CHW
HWC2CHW变换用于转换图像格式。在不同的硬件设备中可能会对(height, width, channel)或(channel, height, width)两种不同格式有针对性优化。MindSpore设置HWC为默认图像格式,在有CHW格式需求时,可使用该变换进行处理。
# 将normalized_image处理为HWC格式,然后进行转换
hwc_image = np.expand_dims(normalized_image, -1)
hwc2chw = vision.HWC2CHW()
chw_image = hwc2chw(hwc_image)
print(hwc_image.shape, chw_image.shape) # (48, 48, 1) (1, 48, 48)
Text Transforms
mindspore.dataset.text
模块提供一系列针对文本数据的Transforms。与图像数据不同,文本数据需要有分词(Tokenize)、构建词表、Token转Index等操作。这里简单介绍其使用方法。
# 定义三段文本,作为待处理的数据,并使用GeneratorDataset进行加载
texts = ['Welcome to Beijing']
test_dataset = GeneratorDataset(texts, 'text')
# 定义分词函数,并通过map方法将其应用到输入的文本中
def my_tokenizer(content):
return content.split()
test_dataset = test_dataset.map(text.PythonTokenizer(my_tokenizer))
print(next(test_dataset.create_tuple_iterator())) # ['Welcome', 'to', 'Beijing']
# 使用Vocab.from_dataset方法从数据集中生成词表
vocab = text.Vocab.from_dataset(test_dataset)
print(vocab.vocab()) # {'to': 2, 'Beijing': 0, 'Welcome': 1}
# 使用Lookup将Token转为Index
test_dataset = test_dataset.map(text.Lookup(vocab))
print(next(test_dataset.create_tuple_iterator())) # [1, 2, 0]
Lambda Transforms
Lambda函数是一种不需要名字、由一个单独表达式组成的匿名函数,表达式会在调用时被求值。Lambda Transforms可以加载任意定义的Lambda函数,提供足够的灵活度。在这里,我们首先使用一个简单的Lambda函数,对输入数据乘2:
# 使用Lambda函数对输入数据乘2
test_dataset = GeneratorDataset([1, 2, 3], 'data', shuffle=False)
test_dataset = test_dataset.map(lambda x: x * 2)
print(list(test_dataset.create_tuple_iterator())) # [2, 4, 6]
定义复杂函数
# 定义较复杂的函数,并配合Lambda函数进行数据处理
def func(x):
return x * x + 2
test_dataset = test_dataset.map(lambda x: func(x))
print(list(test_dataset.create_tuple_iterator())) # [6, 18, 38]
结果:
学习心得:
通过对数据变换的学习和实践,相信大家对如何在深度学习项目中进行数据预处理有了更深的理解。希望这份指南能够帮助高考完的准大学生们在暑假期间对IT专业有更深入的认识,并为未来的学习和职业生涯打下坚实的基础。
接下来,我们还将介绍其他与IT专业相关的重要内容和实用技巧,帮助大家全面提升自己的知识和技能。敬请期待!