Transform에 대해 이해해보자

사용자 정의 Dataset, Dataloader, Transforms 작성하기 - PyTorch Tutorials 1.8.1 documentation

• Rescale: 이미지의 크기를 조절합니다.(정사각형 모형으로 만들어집니다.)
• RandomCrop: 이미지를 무작위로 자릅니다. 이것을 data augmentation이라 합니다.(정사각형 모형으로 만들어집니다.)
• ToTensor: numpy 이미지에서 torch 이미지로 변경합니다. (축변환이 필요합니다)

transforms.RandomHorizontalFlip(),

transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])

• Normalize
  • 크게 두가지 연산으로 나눠짐.
    • scaling : 데이터의 scale을 줄여줌.
    • centering : 데이터의 중심을 원점으로 맞춰주는 것.
  • ToTensor()를 해주면 scaling을 해준거고, Normalize를 해주면 centering + rescaling을 해준것.
    • 정확하게 하기 위해선 학습 데이터로부터 각 픽셀별로 평균을 구하던가 채널별로 평균을 구해서 centering 해야함 .

If you read the documentation here, you will see that both parameters are “Sequences for each channel”. Color images have three channels (red, green, blue), therefore you need three parameters to normalize each channel.The first tuple (0.5, 0.5, 0.5) is the mean for all three channels and the second (0.5, 0.5, 0.5) is the standard deviation for all three channels.

왜 mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] 인가?

Why Pytorch officially use mean=[0.485, 0.456, 0.406] and std=[0.229, 0.224, 0.225] to normalize images?

data_loader에서 num workers를 지정해주는 것

DataLoader num_workers에 대한 고찰

scaler=Gradscaler()란 무엇인가?⇒amp 모듈

[NVIDIA APEX] Amp에 대해 알아보자 (Automatic Mixed Precision)