《昇思25天学习打卡营第5天|数据变换Transforms》

基本介绍&快速入门&张量Tensor&数据集Dataset&数据变换Transforms&网络构建&函数式自动微分&模型训练&保存与加载&使用静态图加速

---

数据变换 Transforms

一般情况下，直接加载的原始数据并不能直接放到神经网络进行训练，此时我们需要对其进行数据预处理。MindSpore提供不同数据类型的数据变换（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Lambda函数。

Common Transforms

此模块用于通用数据增强，其中一部分增强操作是用C++实现的，具有较好的高性能，另一部分是基于Python实现，使用了NumPy模块作为支持。

Compose

Compose将多个数据增强操作组合使用。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。基于Mnist数据集呈现Transforms的应用效果。

from download import download
from mindspore.dataset import MnistDataset, transforms, vision

# 下载数据并加载
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)

# 缩放数据，并标准化
composed = transforms.Compose(
    [
        vision.Rescale(1.0 / 255.0, 0),
        vision.Normalize(mean=(0.1307,), std=(0.3081,)),
        vision.HWC2CHW()
    ]
)
train_dataset = train_dataset.map(composed, 'image')
image, label = next(train_dataset.create_tuple_iterator())
print(image.shape)

输出：

Downloading data from https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/datasets/MNIST_Data.zip (10.3 MB)

file_sizes: 100%|███████████████████████████| 10.8M/10.8M [00:00<00:00, 135MB/s]
Extracting zip file...
Successfully downloaded / unzipped to ./
(28, 28, 1)
(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。

Rescale

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。

图像的每个像素将根据这两个参数进行调整，输出的像素值为$outpu{t}_i=inpu{t}_i\ast rescale+shift$。

这里我们先使用numpy随机生成一个像素值在[0, 255]的图像，将其像素值进行缩放。

import numpy as np
from PIL import Image
random_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)
print(random_np)

输出：

[[198 166 131 ...  82 196 206]
 [ 24 152 148 ... 117  27  56]
 [ 90  63 238 ... 111  94  76]
 ...
 [ 86 151 220 ...  83   3 236]
 [ 26 201  63 ... 245  23  27]
 [168  58 251 ...  59 162 161]]

为了更直观地呈现Transform前后的数据对比，使用Transforms的Eager模式进行演示。首先实例化Transform对象，然后调用对象进行数据处理。

rescale = vision.Rescale(1.0 / 255.0, 0)
rescaled_image = rescale(random_image)
print(rescaled_image)

输出：

[[0.77647066 0.6509804  0.5137255  ... 0.32156864 0.7686275  0.8078432 ]
 [0.09411766 0.59607846 0.5803922  ... 0.45882356 0.10588236 0.21960786]
 [0.3529412  0.24705884 0.9333334  ... 0.43529415 0.36862746 0.29803923]
 ...
 [0.3372549  0.5921569  0.86274517 ... 0.3254902  0.01176471 0.92549026]
 [0.10196079 0.78823537 0.24705884 ... 0.9607844  0.09019608 0.10588236]
 [0.65882355 0.227451   0.9843138  ... 0.23137257 0.63529414 0.6313726 ]]

可以看到，使用Rescale后的每个像素值都进行了缩放。

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：bool值，输入图像的格式。True为(height, width, channel)，False为(channel, height, width)。

图像的每个通道将根据mean和std进行调整，计算公式为$outpu{t}_c=\frac{inpu{t}_c-mea{n}_c}{st{d}_c}$，其中 $c$代表通道索引。

normalize = vision.Normalize(mean=(0.1307,), std=(0.3081,))
normalized_image = normalize(rescaled_image)
print(normalized_image)

输出：

[[ 2.0959775   1.688674    1.2431858  ...  0.61950225  2.070521    2.1978035 ]
 [-0.11873532  1.5104787   1.4595658  ...  1.0649905  -0.08055063  0.28856817]
 [ 0.7213281   0.37766582  2.6051068  ...  0.9886211   0.77224106  0.54313284]
 ...
 [ 0.67041516  1.4977505   2.3759987  ...  0.63223046 -0.38602826  2.5796504 ]
 [-0.09327886  2.1341622   0.37766582 ...  2.6942046  -0.13146357  -0.08055063]
 [ 1.7141304   0.31402466  2.7705739  ...  0.32675287  1.637761    1.6250328 ]]

为什么要标准化或归一化？

• 加速模型收敛和训练过程
• 提高模型的稳定性，未归一化可能导致模型梯度爆炸或者梯度消失
• 减少模型过拟合，统一数据可以减少模型对输入数据随机变化的敏感度

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。

这里我们先将前文中normalized_image处理为HWC格式，然后进行转换。可以看到转换前后的shape发生了变化。

hwc_image = np.expand_dims(normalized_image, -1)
hwc2chw = vision.HWC2CHW()
chw_image = hwc2chw(hwc_image)
print(hwc_image.shape, chw_image.shape)

输出：

(48, 48, 1) (1, 48, 48)

更多Vision Transforms详见mindspore.dataset.vision。

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。

先定义三段文本，作为待处理的数据，并使用GeneratorDataset进行加载。

from mindspore.dataset import GeneratorDataset
texts = ['Welcome to Beijing']
test_dataset = GeneratorDataset(texts, 'text')

PythonTokenizer

分词（Tokenize）操作是文本数据的基础处理方法，MindSpore提供多种不同的Tokenizer。这里我们选择基础的PythonTokenizer举例，此Tokenizer允许用户自由实现分词策略。随后我们利用map操作将此分词器应用到输入的文本中，对其进行分词。

from mindspore.dataset import text
def my_tokenizer(content):
    return content.split()

test_dataset = test_dataset.map(text.PythonTokenizer(my_tokenizer))
print(next(test_dataset.create_tuple_iterator()))

输出：

[Tensor(shape=[3], dtype=String, value= ['Welcome', 'to', 'Beijing'])]

Lookup

Lookup为词表映射变换，用来将Token转换为Index。在使用Lookup前，需要构造词表，一般可以加载已有的词表，或使用Vocab生成词表。这里我们选择使用Vocab.from_dataset方法从数据集中生成词表。

vocab = text.Vocab.from_dataset(test_dataset)
print(vocab.vocab())

输出：

{'to': 2, 'Welcome': 1, 'Beijing': 0}

生成词表后，可以使用map方法进行词表映射变换，将Token转为Index。

test_dataset = test_dataset.map(text.Lookup(vocab))
print(next(test_dataset.create_tuple_iterator()))

输出：

[Tensor(shape=[3], dtype=Int32, value= [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：

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()))

输出：

[[Tensor(shape=[], dtype=Int64, value= 2)], [Tensor(shape=[], dtype=Int64, value= 4)], [Tensor(shape=[], dtype=Int64, value= 6)]]

可以看到map传入Lambda函数后，迭代获得数据进行了乘2操作。

我们也可以定义较复杂的函数，配合Lambda函数实现复杂数据处理：

def func(x):
    return x * x + 2

test_dataset = test_dataset.map(lambda x: func(x))
print(list(test_dataset.create_tuple_iterator()))

输出：

[[Tensor(shape=[3], dtype=Int32, value= [3, 6, 2])]]

---

后续会更新更详细的Transforms操作~~~