数据变换Transforms
完成训练标注名字和时间(记住time()函数)
通常情况下,原始数据不能直接进入神经网络进行训练,需要对其进行数据预处理。
MindSport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。
下面分别进行介绍。
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
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。
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
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。
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。
为了更直观地呈现Transform前后的数据对比,我们使用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。
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).
inpute-meane
图像的每个通道将根据 mean 和 std 进行调整,计算公式为
,其中 e代表通道索引。
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,weidth,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
HNC2CHW 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,
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。
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。
首先我们定义三段文本,作为待处理的数据,并使用 GeneratorDataset 进行加载。
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 Pythonokenizer 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。
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。
获得词表后我们可以使用 vocab 方法查看词表,
生成词表后,可以配合 map 方法进行词表映射变换,将Token转为Index。
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 ransforms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:
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: