数据集文档
处理图像数据
加入 Hugging Face 社区
并获得增强的文档体验
开始使用
处理图像数据
本指南介绍处理图像数据集的具体方法。学习如何
- 将 map() 与图像数据集一起使用。
- 使用 set_transform() 将数据增强应用于数据集。
有关如何处理任何类型数据集的指南,请查看通用处理指南。
Map
map() 函数可以将转换应用于整个数据集。
例如,创建一个基本的 Resize
函数
>>> def transforms(examples):
... examples["pixel_values"] = [image.convert("RGB").resize((100,100)) for image in examples["image"]]
... return examples
现在使用 map() 函数调整整个数据集的大小,并将 batched=True
设置为通过接受批量的示例来加速该过程。转换返回 pixel_values
作为可缓存的 PIL.Image
对象
>>> dataset = dataset.map(transforms, remove_columns=["image"], batched=True)
>>> dataset[0]
{'label': 6,
'pixel_values': <PIL.PngImagePlugin.PngImageFile image mode=RGB size=100x100 at 0x7F058237BB10>}
缓存文件节省时间,因为您不必执行两次相同的转换。map() 函数最适合您每个训练周期只运行一次的操作 - 例如调整图像大小 - 而不是将其用于每个 epoch 执行的操作,例如数据增强。
map() 占用一些内存,但您可以使用以下参数来减少其内存需求
batch_size
确定在一次调用转换函数中处理的示例数量。writer_batch_size
确定在存储之前保存在内存中的已处理示例的数量。
这两个参数值默认为 1000,如果您存储图像,这可能会很昂贵。当您使用 map() 时,降低这些值以使用更少的内存。
应用转换
🤗 Datasets 将来自任何库或包的数据增强应用于您的数据集。可以使用 set_transform() 在数据批次上即时应用转换,这会消耗更少的磁盘空间。
以下示例使用 torchvision,但您可以随意使用其他数据增强库,如 Albumentations、Kornia 和 imgaug。
例如,如果您想随机更改图像的颜色属性
>>> from torchvision.transforms import Compose, ColorJitter, ToTensor
>>> jitter = Compose(
... [
... ColorJitter(brightness=0.25, contrast=0.25, saturation=0.25, hue=0.7),
... ToTensor(),
... ]
... )
创建一个函数来应用 ColorJitter
转换
>>> def transforms(examples):
... examples["pixel_values"] = [jitter(image.convert("RGB")) for image in examples["image"]]
... return examples
使用 set_transform() 函数应用转换
>>> dataset.set_transform(transforms)