2025年2月21日 (金) 07:31時点における版

データセットの扱い

Pytorch の標準機能を用いてデータセットを扱う練習と，自作のデータ拡張（data augmentation）機能の実装方法について学びます．

PyTorchにおけるDataLoaderは、大規模なデータセットを効率的にミニバッチに分割し、前処理やシャッフルを行いながら，モデルに供給するための機能です。

前処理には以下のように，Pytorchでの用いた学習・推論のために最低限必要な処理と，

学習後の精度をより良くするためのデータ拡張があります．

など．

@@ 3行目: / 3行目: @@
 == DataLoader ==
-PyTorchにおけるDataLoaderは、大規模なデータセットを効率的にミニバッチに分割し、並列処理やシャッフルを行いながら，モデルに供給するための機能です。
+PyTorchにおけるDataLoaderは、大規模なデータセットを効率的にミニバッチに分割し、前処理やシャッフルを行いながら，モデルに供給するための機能です。
-DataLoader作成までの流れは以下の通りです．
+前処理には以下のように，Pytorchでの用いた学習・推論のために最低限必要な処理と，
-# 画像，音声，等のセンサデータと，アノテーション情報の読み込み
+# 縦横のサイズ（解像度）調整
-# 解像度の変更等，読み込んだデータの前処理
+# 型キャスト
-# ランダムに左右反転させる，データ拡張
+学習後の精度をより良くするためのデータ拡張があります．
+# ランダムな左右反転
+# ランダムな並進
+# ランダムな回転
+# ランダムな色変更
+など．