昇思基础课程打卡（SPONGE课前学习）4.数据变换 Transforms

基本介绍 || 快速入门 || 张量 Tensor || 数据集 Dataset || 数据变换 Transforms || 网络构建 || 函数式自动微分 || 模型训练 || 保存与加载 || 使用静态图加速

数据变换 Transforms

通常情况下，直接加载的原始数据并不能直接送入神经网络进行训练，此时我们需要对其进行数据预处理。MindSpore提供不同种类的数据变换（Transforms），配合数据处理Pipeline来实现数据预处理。所有的Transforms均可通过map方法传入，实现对指定数据列的处理。

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。下面分别对其进行介绍。

import numpy as np
from PIL import Image
from download import download
from mindspore.dataset import transforms, vision, text
from mindspore.dataset import GeneratorDataset, MnistDataset
1
2
3
4
5

Common Transforms

mindspore.dataset.transforms模块支持一系列通用Transforms。这里我们以Compose为例，介绍其使用方式。

Compose

Compose接收一个数据增强操作序列，然后将其组合成单个数据增强操作。我们仍基于Mnist数据集呈现Transforms的应用效果。

# Download data from open datasets

url = "https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/" \
      "notebook/datasets/MNIST_Data.zip"
path = download(url, "./", kind="zip", replace=True)

train_dataset = MnistDataset('MNIST_Data/train')
1
2
3
4
5
6
7

Downloading data from https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/notebook/datasets/MNIST_Data.zip (10.3 MB)

file_sizes: 100%|██████████████████████████| 10.8M/10.8M [00:01<00:00, 9.61MB/s]
Extracting zip file...
Successfully downloaded / unzipped to ./
1
2
3
4
5

image, label = next(train_dataset.create_tuple_iterator())
print(image.shape)
1
2

(28, 28, 1)
1

composed = transforms.Compose(
    [
        vision.Rescale(1.0 / 255.0, 0),
        vision.Normalize(mean=(0.1307,), std=(0.3081,)),
        vision.HWC2CHW()
    ]
)
1
2
3
4
5
6
7

train_dataset = train_dataset.map(composed, 'image')
image, label = next(train_dataset.create_tuple_iterator())
print(image.shape)
1
2
3

(1, 28, 28)
1

更多通用Transforms详见mindspore.dataset.transforms。

Vision Transforms

mindspore.dataset.vision模块提供一系列针对图像数据的Transforms。在Mnist数据处理过程中，使用了Rescale、Normalize和HWC2CHW变换。下面对其进行详述。

Rescale

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。

图像的每个像素将根据这两个参数进行调整，输出的像素值为$outpu{t}_i=inpu{t}_i\ast rescale+shift$。

这里我们先使用numpy随机生成一个像素值在[0, 255]的图像，将其像素值进行缩放。

random_np = np.random.randint(0, 255, (48, 48), np.uint8)
random_image = Image.fromarray(random_np)
print(random_np)
1
2
3

[[200 201 145 ...  43 116 224]
 [243 185  25 ... 132  43 159]
 [198  91 172 ... 214 124 232]
 ...
 [232  71 235 ... 106 199 187]
 [ 62  48   6 ... 144 184  35]
 [ 97 158 225 ...  58  44 102]]
1
2
3
4
5
6
7

为了更直观地呈现Transform前后的数据对比，我们使用Transforms的Eager模式进行演示。首先实例化Transform对象，然后调用对象进行数据处理。

rescale = vision.Rescale(1.0 / 255.0, 0)
rescaled_image = rescale(random_image)
print(rescaled_image)
1
2
3

[[0.7843138  0.78823537 0.5686275  ... 0.16862746 0.454902   0.87843144]
 [0.95294124 0.7254902  0.09803922 ... 0.5176471  0.16862746 0.62352943]
 [0.77647066 0.35686275 0.6745098  ... 0.83921576 0.48627454 0.909804  ]
 ...
 [0.909804   0.2784314  0.9215687  ... 0.4156863  0.7803922  0.73333335]
 [0.24313727 0.18823531 0.02352941 ... 0.5647059  0.72156864 0.13725491]
 [0.3803922  0.61960787 0.882353   ... 0.227451   0.17254902 0.40000004]]
1
2
3
4
5
6
7

可以看到，使用Rescale后的每个像素值都进行了缩放。

Normalize

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)。

图像的每个通道将根据mean和std进行调整，计算公式为$outpu{t}_c=\frac{inpu{t}_c-mea{n}_c}{st{d}_c}$，其中 $c$代表通道索引。

normalize = vision.Normalize(mean=(0.1307,), std=(0.3081,))
normalized_image = normalize(rescaled_image)
print(normalized_image)
1
2
3

[[ 2.121434    2.1341622   1.4213811  ...  0.12310111  1.0522623
   2.4269116 ]
 [ 2.6687481   1.9305104  -0.10600709 ...  1.2559141   0.12310111
   1.5995764 ]
 [ 2.0959775   0.73405635  1.7650434  ...  2.2996294   1.1540881
   2.5287375 ]
 ...
 [ 2.5287375   0.47949168  2.5669222  ...  0.92498     2.1087058
   1.9559668 ]
 [ 0.36493757  0.18674232 -0.34784356 ...  1.4086528   1.9177822
   0.02127524]
 [ 0.8104258   1.5868481   2.4396398  ...  0.31402466  0.13582934
   0.87406707]]
1
2
3
4
5
6
7
8
9
10
11
12
13

HWC2CHW

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。

这里我们先将前文中normalized_image处理为HWC格式，然后进行转换。可以看到转换前后的shape发生了变化。

hwc_image = np.expand_dims(normalized_image, -1)
hwc2chw = vision.HWC2CHW()
chw_image = hwc2chw(hwc_image)
print(hwc_image.shape, chw_image.shape)
1
2
3
4

(48, 48, 1) (1, 48, 48)
1

更多Vision Transforms详见mindspore.dataset.vision。

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。这里简单介绍其使用方法。

首先我们定义三段文本，作为待处理的数据，并使用GeneratorDataset进行加载。

texts = ['Welcome to Beijing']
1

test_dataset = GeneratorDataset(texts, 'text')
1

PythonTokenizer

分词（Tokenize）操作是文本数据的基础处理方法，MindSpore提供多种不同的Tokenizer。这里我们选择基础的PythonTokenizer举例，此Tokenizer允许用户自由实现分词策略。随后我们利用map操作将此分词器应用到输入的文本中，对其进行分词。

def my_tokenizer(content):
    return content.split()

test_dataset = test_dataset.map(text.PythonTokenizer(my_tokenizer))
print(next(test_dataset.create_tuple_iterator()))
1
2
3
4
5

[Tensor(shape=[3], dtype=String, value= ['Welcome', 'to', 'Beijing'])]
1

Lookup

Lookup为词表映射变换，用来将Token转换为Index。在使用Lookup前，需要构造词表，一般可以加载已有的词表，或使用Vocab生成词表。这里我们选择使用Vocab.from_dataset方法从数据集中生成词表。

vocab = text.Vocab.from_dataset(test_dataset)
1

获得词表后我们可以使用vocab方法查看词表。

print(vocab.vocab())
1

{'to': 2, 'Welcome': 1, 'Beijing': 0}
1

生成词表后，可以配合map方法进行词表映射变换，将Token转为Index。

test_dataset = test_dataset.map(text.Lookup(vocab))
print(next(test_dataset.create_tuple_iterator()))
1
2

[Tensor(shape=[3], dtype=Int32, value= [1, 2, 0])]
1

更多Text Transforms详见mindspore.dataset.text。

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。在这里，我们首先使用一个简单的Lambda函数，对输入数据乘2：

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()))
1
2
3

[[Tensor(shape=[], dtype=Int64, value= 2)], [Tensor(shape=[], dtype=Int64, value= 4)], [Tensor(shape=[], dtype=Int64, value= 6)]]
1

可以看到map传入Lambda函数后，迭代获得数据进行了乘2操作。

我们也可以定义较复杂的函数，配合Lambda函数实现复杂数据处理：

def func(x):
    return x * x + 2

test_dataset = test_dataset.map(lambda x: func(x))
1
2
3
4

print(list(test_dataset.create_tuple_iterator()))
1

[[Tensor(shape=[], dtype=Int64, value= 6)], [Tensor(shape=[], dtype=Int64, value= 18)], [Tensor(shape=[], dtype=Int64, value= 38)]]
1

import time
print(time.strftime('%Y-%m-%d %H-%M-%S',time.localtime(time.time())),'cftang007')
1
2

2024-08-06 03-03-24 cftang007
1