Centos의 Pytorch로 데이터 전처리를 수행하는 방법

CentOS 시스템에서 Pytorch 데이터를 효율적으로 처리하면 다음 단계가 필요합니다.

1. 종속성 설치 : 먼저 시스템을 업데이트하고 Python 3 및 PIP를 설치합니다.

    Sudo Yum 업데이트 -Y
   Sudo Yum 설치 Python3 -y
   Sudo Yum 설치 Python3 -Pip -y

   그런 다음 CentOS 버전 및 GPU 모델에 따라 공식 NVIDIA 웹 사이트에서 CUDA 툴킷 및 CUDNN을 다운로드하여 설치하십시오.

2. 가상 환경 구성 (권장) : Conda를 사용하여 새로운 가상 환경을 생성하고 활성화합니다.

    콘다 생성 -n pytorch python = 3.8
   콘다 활성화 된 파이 토치

3. Pytorch 설치 : 활성화 된 가상 환경에서 Conda 또는 PIP를 사용하여 Pytorch를 설치하십시오. Cuda를 지원하는 버전은 다음과 같습니다.

    콘다 설치 pytorch torchvision torchaudio cudatoolkit = 11.3 -C pytorch # cuda 버전과 일치하도록 cudatoolkit 버전 번호 조정

   또는 PIP를 사용하십시오 (CUDA 버전을 지정해야 할 수도 있음) :

    PIP Torch Torchvision Torchaudio를 설치하십시오

4. 데이터 전처리 및 향상 : 데이터 전처리 및 향상을 위해 torchvision.transforms 모듈을 사용하십시오. 다음 예제는 이미지 크기 조정, 임의의 수평 플립, 텐서 전환 및 정규화를 보여줍니다.

    토치 수입
   TorchVision을 가져옵니다
   Torchvision 가져 오기에서 변환됩니다
   
   transform = transforms.compose ([[[
       변형. resize ((224, 224)),
       transforms.randomhorizontalflip (),
       transforms.totensor (),
       변환 ((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
   ])))
   
   DataSet = TorchVision.datasets.Imagefolder (root = 'Path/to/Data', transform = transform)
   DataLoader = Torch.utils.data.dataloader (DataSet, Batch_Size = 32, Shuffle = True)

5. 사용자 정의 데이터 세트 : 사용자 정의 데이터 세트의 경우 torch.utils.data.Dataset 클래스를 상속하고 __getitem__ 및 __len__ 메소드를 구현하십시오. 예를 들어:

    OS 가져 오기
   PIL 가져 오기 이미지에서
   Torch.utils.data 가져 오기 데이터 세트에서
   
   클래스 MyDataset (데이터 세트) :
       def __init __ (self, root_path, labels) :
           self.root_path = root_path
           self.labels = 레이블 # 해당 이미지에 대한 레이블 목록 Self.image_files = [f.listdir (root_path)의 f에 대한 f.endswith (( '. jpg', '.png'))] # 이미지가 jpg 또는 png format def __ ___ __ (self, index)에 있다고 가정합니다.
           img_path = os.path.join (self.root_path, self.image_files [index])
           img = image.open (img_path)
           label = self.labels [index]
           IMG, 레이블을 반환합니다
   
       def __len __ (self) :
           반환 렌 (self.image_files)

6. 데이터로드 : torch.utils.data.DataLoader 사용하여 데이터를로드하고 배치합니다.

    Torch.utils.data import Dataloader에서
   
   my_dataset = mydataset ( 'path/to/your/data', [0,1,0,1, ...]) # 'Path/to/your/data'및 태그 목록 data_loader = dataloader (dataSet = my_dataset, batch_size = 64, shuffle = true, num_workers = 0) # num_workers 조정 #

   자리 표시 자 경로를 교체하고 레이블을 실제 데이터로 표시해야합니다. num_workers 매개 변수는 데이터 로딩 속도를 향상시키기 위해 CPU 코어 수에 따라 조정할 수 있습니다.

위의 단계를 통해 Centos에서 Pytorch의 데이터 전처리를 완료 할 수 있습니다. 궁금한 점이 있으면 공식 Pytorch 문서를 참조하거나 커뮤니티 지원을 받으십시오.

위 내용은 Centos의 Pytorch로 데이터 전처리를 수행하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!