[PyTorch] Transform (변형)

⚠️ 본 내용은 PyTorch Korea의 공식 문서에 기반하여 공부한 내용을 적은것이니 양해바랍니다!

변형(Transform)

---

Transform (변형)

데이터 변형(Transform)은 데이터 전처리 및 데이터 증강(data augmentation)을 위해 자주 사용됩니다.

• 데이터가 항상 머신러닝 알고리즘 학습에 필요한 최종 처리가 된 형태로 제공되지는 않습니다.
• 변형(transform) 을 해서 데이터를 조작하고 학습에 적합하게 만듭니다.
• 모든 TorchVision 데이터셋들은 변형 로직을 갖는, 호출 가능한 객체(callable)를 받는 매개변수 두개 (특징(feature)을 변경하기 위한 transform 과 정답(label)을 변경하기 위한 target_transform)를 갖습니다.
• torchvision.transforms 모듈은 이미지 데이터에 대한 다양한 변형 기능을 제공합니다.

Transforming and augmenting images — Torchvision 0.19 documentation

 

• 변형은 이미지 데이터를 텐서로 변환하거나, 정규화하거나, 회전, 자르기 등의 작업을 수행할 수 있습니다.
• 이러한 변형은 데이터셋을 로드할 때 적용할 수 있습니다.

Example (Fashion-MNIST)

• FashionMNIST 특징(feature)은 PIL Image 형식이며, 정답(label)은 정수(integer)입니다.
• 학습을 하려면 정규화(normalize)된 텐서 형태의 특징(feature)과 원-핫(one-hot)으로 부호화(encode)된 텐서 형태의 정답(label)이 필요합니다.
• 이러한 변형(transformation)을 하기 위해 ToTensor와 Lambda를 사용합니다.
• 잠깐 Fashing-MNIST 데이터셋에 데하여 설명을 해보면, 60,000개의 학습 이미지와 10,000개의 테스트 이미지로 구성되어 있습니다.
• 각 이미지는 28x28 크기의 흑백(grayscale) 이미지이며, 10개의 클래스로 분류됩니다.

import torch
from torchvision import datasets
from torchvision.transforms import ToTensor, Lambda

# FashionMNIST 데이터셋 불러오기
ds = datasets.FashionMNIST(
    root="data",  # 데이터셋이 저장될 경로
    train=True,  # 학습용 데이터셋을 불러옵니다 (train=False로 설정하면 테스트 데이터셋을 불러옵니다)
    download=True,  # 경로에 데이터셋이 없을 경우 인터넷에서 다운로드합니다
    transform=ToTensor(),  # 이미지를 텐서로 변환합니다
    target_transform=Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))  # 레이블을 원-핫 인코딩으로 변환합니다
)

• FashionMNIST 데이터셋을 불러와서 이미지를 텐서로 변환하고, 레이블을 원-핫 인코딩으로 변환하여 데이터셋을 준비합니다.
• 이 데이터셋은 이후 모델 학습에 사용될 수 있습니다.
• DataLoader를 통해 배치 단위로 데이터를 불러올 수 있으며, 변형된 이미지와 레이블을 모델에 전달할 수 있습니다.

---

ToTensor()

• ToTensor는 PIL Image나 NumPy ndarray 를 FloatTensor로 변환하고, 이미지의 픽셀의 크기(intensity) 값을 [0., 1.] 범위로 비례하여 조정(scale)합니다.
• 그후, (H, W) 형식의 이미지를 (C, H, W) 형식으로 변환합니다.

여기서 C, H, W는 각각 채널(Channel), 높이(Height), 너비(Width)를 나타냅니다.

---

Lambda 변형 (Transform)

• Lambda 변형은 사용자 정의 람다(lambda) 함수를 적용합니다. 여기에서는 정수를 원-핫으로 부호화된 텐서로 바꾸는 함수를 정의합니다.
• 이 함수는 먼저 (데이터셋 정답의 개수인) 크기 10짜리 영 텐서(zero tensor)를 만들고, scatter 를 호출하여 주어진 정답 y 에 해당하는 인덱스에 value=1 을 할당합니다.

torch.Tensor.scatter_ — PyTorch 2.4 documentation

target_transform = Lambda(lambda y: torch.zeros(
    10, dtype=torch.float).scatter_(dim=0, index=torch.tensor(y), value=1))

• 이 변형은 레이블을 원-핫 인코딩 벡터로 변환합니다.
• 원-핫 인코딩은 클래스 레이블을 이진 벡터로 변환하여, 해당 클래스에만 1을 할당하고 나머지 클래스에는 0을 할당하는 방법입니다.

예를 들어, 원본 레이블이 3일 경우, 변환된 원-핫 인코딩 벡터는 다음과 같습니다:
원본 레이블: 3원-핫 인코딩 벡터: [0, 0, 0, 1, 0, 0, 0, 0, 0, 0]

---

One-Hot Encoding 변환 과정

Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))

 

• torch.zeros(10, dtype=torch.float): 길이가 10인 0으로 채워진 텐서를 생성합니다.
• 이는 10개의 클래스 각각에 대해 하나의 원-핫 인코딩 벡터를 나타냅니다.
• scatter_(0, torch.tensor(y), value=1): 인덱스 y에 해당하는 위치에 1을 설정합니다.
• y는 원본 레이블이며, 이는 0부터 9까지의 값을 가집니다.

---

더 자세한 내용을 보고 싶으시면 아래 링크에 들어가서 공식 문서를 참고하세요!

• torchvision.transforms 관련 PyTorch 공식 문서

Transforming and augmenting images — Torchvision 0.19 documentation