Блог

Здравствуйте, я изучаю GAN и глубокое обучение, и в целом, когда я работал с этим, я делал с массивами изображений NumPy, но для этого домашнего задания я получаю данные с помощью tfds следующим образом:

 test_split, valid_split, train_split = tfds.Split.TRAIN.subsplit([10, 15, 75])
test_set_raw = tfds.load('cats_vs_dogs', split=test_split,  as_supervised=True)
valid_set_raw = tfds.load('cats_vs_dogs', split=valid_split,  as_supervised=True)
train_set_raw = tfds.load('cats_vs_dogs', split=train_split,  as_supervised=True)
  

Проблема в том, что я хочу выполнить увеличение данных с помощью нескольких из этих примеров, но я не могу получить доступ к каждому изображению на них _OptionsDataset только с помощью take(), но я хочу повторить это, чтобы увеличить данные для каждого изображения и добавить эти новостные изображения.

Я мог бы сделать это с помощью NumPy и двух массивов, но я понятия не имею, как это можно сделать с _OptionsDataset .

Возможно ли это? Как я могу это сделать?, возможно ли преобразовать _OptionsDataset в массив NumPy и снова преобразовать массив NumPy в _OptionsDataset?

Спасибо

tf.image имеет кучу случайных преобразований, которые вы можете использовать, вам не нужен Numpy. Вот пример. Мне пришлось выбирать разделения немного по-другому, так как у меня другая версия. Вот документация для tf.image .

 import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow as tf
import tensorflow_datasets as tfds

[train_set_raw] = tfds.load('cats_vs_dogs', split=['train[:100]'],  as_supervised=True)


def augment(tensor):
    tensor = tf.cast(x=tensor, dtype=tf.float32)
    tensor = tf.image.rgb_to_grayscale(images=tensor)
    tensor = tf.image.resize(images=tensor, size=(96, 96))
    tensor = tf.divide(x=tensor, y=tf.constant(255.))
    tensor = tf.image.random_flip_left_right(image=tensor)
    tensor = tf.image.random_brightness(image=tensor, max_delta=2e-1)
    tensor = tf.image.random_crop(value=tensor, size=(64, 64, 1))
    return tensor


train_set_raw = train_set_raw.shuffle(128).map(lambda x, y: (augment(x), y)).batch(16)

import matplotlib.pyplot as plt

plt.imshow((next(iter(train_set_raw))[0][0][..., 0].numpy()*255).astype(int))
plt.show()