昇思25天学习打卡营第5天|数据变换 Transforms

今天是参加昇思25天学习打卡营的第5天，学习的内容是《数据变换 Transforms》，这里做一个简单的分享。

1.简介

今天的学习目标是了解数据变换以及mindspore.dataset.transforms模块的功能。

数据集在进行神经网络训练的之前需要进行处理，这就需要使用Transforms模块来实现对不同数据的变换。mindspore.dataset提供了面向图像、文本、音频等不同数据类型的Transforms，同时也支持使用Lambda函数。

2.增强变换Compose

transforms.Compose可以接收一个数据增强操作序列来实现数据变换，将多种变换按顺序进行组合，形成一个变换集。如下代码可以实现缩放、规划、数据参数顺序变换。

composed = transforms.Compose(
    [
        vision.Rescale(1.0 / 255.0, 0),
        vision.Normalize(mean=(0.1307,), std=(0.3081,)),
        vision.HWC2CHW()
    ]
)

3.Vision Transforms

Vision Transforms 是的针对图像的数据变换方法。主要包括三种基础变换Rescale、Normalize和HWC2CHW。

（1）Rescale变换用于调整图像像素值的大小，包括两个参数：

• rescale：缩放因子。
• shift：平移因子。

（2）Normalize变换用于对输入图像的归一化，包括三个参数：

• mean：图像每个通道的均值。
• std：图像每个通道的标准差。
• is_hwc：bool值，输入图像的格式。True为(height, width, channel)，False为(channel, height, width)。

（3）HWC2CHW变换用于转换图像格式。

​ 在不同的硬件设备中可能会对(height, width, channel)或(channel, height, width)两种不同格式有针对性优化。MindSpore设置HWC为默认图像格式，在有CHW格式需求时，可使用该变换进行处理。

4.Text Transforms

mindspore.dataset.text模块提供一系列针对文本数据的Transforms。与图像数据不同，文本数据需要有分词（Tokenize）、构建词表、Token转Index等操作。

（1）分词主要是将句子按照分词规则拆分成分词词

（2）构建词表示将分词转换成词表

（3）Token转Index主要是为词表中的分词创建索引

示例代码如下：

texts = ['Welcome to Beijing']
test_dataset = GeneratorDataset(texts, 'text')
def my_tokenizer(content):
    return content.split()
# 分词
test_dataset = test_dataset.map(text.PythonTokenizer(my_tokenizer))
print(next(test_dataset.create_tuple_iterator()))

# 构建词表
vocab = text.Vocab.from_dataset(test_dataset)

# token 转 Index
test_dataset = test_dataset.map(text.Lookup(vocab))
print(next(test_dataset.create_tuple_iterator()))

5. Lambda Transforms

Lambda函数是一种不需要名字、由一个单独表达式组成的匿名函数，表达式会在调用时被求值。Lambda Transforms可以加载任意定义的Lambda函数，提供足够的灵活度。

利用Lambda Transforms实现数据集的数据进行 乘2的操作，代码实现如下：

test_dataset = GeneratorDataset([1, 2, 3], 'data', shuffle=False)
test_dataset = test_dataset.map(lambda x: x * 2)
print(list(test_dataset.create_tuple_iterator()))

6.小结

数据变换是对数据集处理的基础操作，也是十分重要的步骤。 mindspore提供的图像、文本、Lambda等变换方法为这些基础变换提供了便捷的操作。

以上是第5天的学习内容，附上今日打卡记录：