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
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。
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。
`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。
## 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
从这几天看,基本上Mindspore都会留有足够的自由度