MindSpore实现图像分类之数据处理部分

简单介绍下图片分类模型的日常用处：例如给定数字图像，判断图像所属的类别：猫、狗、飞机、汽车等等。如果用函数来表示这个过程如下：

def classify(image):

   label = model(image)

   return label

1. 首先需要准备好本次演示使用的CIFAR-10数据集，可从MindSpore官网教程的实现图片分类页面中下载，数据集简介如下。

   

2. 进入本次正题，处理数据集，下面是具体的操作说明和代码实现

   先将数据预加载出来和预处理

   加载数据集

   数据加载可以通过内置数据集格式Cifar10Dataset接口完成。

   cifar_ds = ds.Cifar10Dataset(data_home)

   数据增强

   数据增强主要是对数据进行归一化和丰富数据样本数量，调用map方法在图片上执行增强操作：

   resize_height = 224

   resize_width = 224

   rescale = 1.0 / 255.0

   shift = 0.0

   # define map operations

   random_crop_op = C.RandomCrop((32, 32), (4, 4, 4, 4)) # padding_mode default CONSTANT

   random_horizontal_op = C.RandomHorizontalFlip()

   resize_op &#