📃 Pytorch 기본 익히기
✏️DataSet과 DataLoader
DataSet
머신러닝 모델을 구현하기 위해서 중요한 것은 data를 준비하는 것입니다. Pytorch는 torch.utils.data.Dataset을 제공하여 미리 준비한 dataset과 가지고 있는 데이터를 사용할 수 있도록 해줍니다.
여기서는 머신러닝에서 유명한 데이터셋 중 하나인 Fashion-MNIST를 사용해 정리해보도록 하겠습니다.
데이터셋 불러오기
Fashion-MNIST는 Zalando의 기사 이미지 데이터셋으로 60,000개의 학습 예제와 10,000개의 테스트 예제로 이루어져 있습니다. 각 예제는 흑백(grayscale)의 28x28 이미지와 10개 분류(class) 중 하나인 정답(label)으로 구성됩니다.
import torch
import numpy as np
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transformers import ToTensor # 0-1 사이의 값을 얻기 위한 라이브러리
import matplotlib.pyplot as plt # 데이터 시각화를 위한 라이브러리
training_data = datasets.FashionMNIST(
root="data",
train=True, # 학습용 데이터로 정의
download=True, # root에 데이터가 없는 경우 인터넷에서 다운로드함
transform=ToTensor())
test_data = datasets.FashionMNIST(
root="data",
train=False, # 테스트용 데이터이기 때문에 False
download=True,
transform=ToTensor())데이터셋 순회와 시각화
labels_map = {
0: "T-Shirt",
1: "Trouser",
2: "Pullover",
3: "Dress",
4: "Coat",
5: "Sandal",
6: "Shirt",
7: "Sneaker",
8: "Bag",
9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
sample_idx = torch.randint(len(training_data), size=(1,)).item()
img, label = training_data[sample_idx]
figure.add_subplot(rows, cols, i)
plt.title(labels_map[label])
plt.axis("off")
plt.imshow(img.squeeze(), cmap="gray")
plt.show()사용자 정의 데이터셋 만들기
데이터셋을 정의하기 위해서는 __init__, __len__, __getitem__의 세가지 요소가 반드시 필요합니다.
# CustomDataSet 만들기
import os
import pandas as pd
from torchvision.io import read_image
class CustomImageDataset(Dataset):
def __init__(self, annotations_file, img_dir, transform=None, target_transform=None):
self.img_labels = pd.read_csv(annotations_file, names=['file_name', 'label'])
self.img_dir = img_dir
self.transform = transform
self.target_transform = target_transform
def __len__(self):
return len(self.img_labels)
def __getitem__(self, idx):
img_path = os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])
image = read_image(img_path)
label = self.img_labels.iloc[idx, 1]
if self.transform:
image = self.transform(image)
if self.target_transform:
label = self.target_transform(label)
return image, label __init__ 메서드는 Dataset 객체가 생성될 때 실행됩니다.
__len__ 메서드는 Dataset의 샘플 갯수를 반환합니다.
__getitem__ 메서드는 주어진 인덱스에 해당하는 데이터를 Dataset에서 불러오고 반환합니다.
DataLoader
학습용 데이터 준비
Pytorch의 DataLoader는 머신러닝의 학습 과정에서 유용하게 사용할 수 있습니다. DataLoader는 iterable한 객체이며 미니 배치(mini-batch) 단위로 모델에 전달하는 것을 도와줍니다.
from torch.utils.data import DataLoader
train_dataloader = DataLoader(training_data, batch_size=64, shuffle=True)
test_dataloader = DataLoader(test_data, batch_size=64, shuffle=True)DataLoader 사용해보기
DataLoader는 from torch.utils.data import DataLoader로 사용할 수 있습니다. DataLoader를 생성할 때는 여러 Parameters를 지정할 수 있습니다. batch_size, shuffle, num_workers 등을 주로 사용합니다.
# DataLoader 순회하기
# batch-_size 마다 순회하여 특징과 라벨 값을 얻음
train_features, train_labels = next(iter(train_dataloader))
print(f"Feature batch shape: {train_features.size()}") # feature의 shape 확인
print(f"Labels batch shape: {train_labels.size()}") # label의 shape 확인
img = train_features[0].squeeze()
label = train_labels[0]
plt.imshow(img, cmap="gray")
plt.show()
print(f"Label: {label}")© 참고
