Learn practical skills, build real-world projects, and advance your career
!pip install jovian --upgrade -q
import jovian
jovian.utils.colab.set_colab_file_id('1wyJDIA881_41MUjdM0y8w7Tp7i1WRgFc')

В данной программе будут охвачены следующие темы:

  • Работа с изображениями в PyTorch (с использованием набора данных MNIST)
  • Разделение набора данных на обучающие, проверочные и тестовые наборы.
  • Создание моделей PyTorch с пользовательской логикой путем расширения класса nn.Module
  • Интерпретация результатов модели как вероятностей с помощью Softmax и пикировки предсказанных меток
  • Выбор полезной метрики оценки (точность) и функции потерь (перекрестная энтропия) для решения проблем классификации.
  • Настройка тренировочного цикла, который также оценивает модель с помощью валидационного набора
  • Тестирование модели вручную на случайно выбранных примерах
  • Сохранение и погрузка моделей контрольно-пропускных пунктов во избежание переобучения с нуля

Работа с изображениями

В этой работе мы используем наши существующие знания о PyTorch и линейной регрессии для решения совсем другой задачи: классификации изображений. В качестве учебного набора данных мы будем использовать известную Базу данных рукописных цифр MNIST. Она состоит из 28px на 28px полутоновых изображений рукописных цифр (от 0 до 9) и меток для каждого изображения, указывающих, какую цифру оно представляет. Вот некоторые примеры изображений из набора данных:

mnist-sample

Мы начинаем с установки и импорта torchvision и torchvision. torchvision содержит некоторые утилиты для работы с графическими данными. Она также предоставляет вспомогательные классы для автоматической загрузки и импорта популярных наборов данных, таких как MNIST.

# Uncomment and run the appropriate command for your operating system, if required

# Linux / Binder
# !pip install numpy matplotlib torch==1.7.0+cpu torchvision==0.8.1+cpu torchaudio==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

# Windows
# !pip install numpy matplotlib torch==1.7.0+cpu torchvision==0.8.1+cpu torchaudio==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

# MacOS
# !pip install numpy matplotlib torch torchvision torchaudio