Convenient dataset maker
Project description
Decorata
데코레이타(decorata)는 데이터를 쉽게 전처리 할 수 있는 high-level API library입니다.
Usage
Install
$ pip install decorata
Basic Usage
-
Base dataset을 선택합니다. Pytorch 기반 데이터셋을 만들려면
TorchBaseDataset
을 사용합니다. Tensorflow 기반 데이터셋을 만들려면TFBaseDataset
을 사용합니다.import decorata.data as D dataset = D.TorchBaseDataset(images, labels, classes)
-
decorata.data
안의 모듈을 이용하여 학습 전 데이터를 처리합니다.dataset = D.LoadImages(dataset) dataset = D.ResizeImages(dataset, (256, 256)) dataset = D.OneHotLabels(dataset)
-
데이터 로더를 생성하여 학습에 사용합니다.
from torch.utils.data import DataLoader data_loader = DataLoader( dataset, batch_size = 16, shuffle = False, num_workers = 4 )
Augmentations
Augmentation은 Albumentations 라이브러리를 이용하도록 설계했습니다.
decorata.data.Augmentations
의 인자로 base dataset에서 파생된 인스턴스와 Albumentations 인스턴스를 받습니다.
decorata.augmentations
에 Albumentations와 함께 사용할 수 있는 모듈을 추가하고 있습니다.
import albumentations as A
import decorata.data as D
import decorata.augmentations as DA
augmentations = A.Compose([
A.RandomRotate90(p=1),
A.GridDistortion(p=0.8),
A.GaussNoise(p=0.75),
DA.CutMix(dataset, p=0.8),
])
dataset = D.Augmentations(dataset, augmentations)
Transforms
decorata.data.Transforms
를 이용하여 Pytorch의 Transforms를 적용할 수 있습니다.
Augmentation과 동일하게 base dataset에서 파생된 인스턴스와 Albumentations 인스턴스를 인자로 받습니다.
decorata.transforms
에 Transforms와 함께 사용할 수 있는 모듈을 추가하고 있습니다.
from torchvision.transforms as T
import decorata.data as D
import decorata.transforms as DT
transforms = T.Compose([
DT.ToTorchTensor(),
DT.TorchNormalize(from_image=True)
])
dataset = D.Transforms(dataset, transforms)
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Hashes for decorata-0.0.1a4-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | ade0cc631dab0305f116c6a40d8790b7fb54b84d55d7b2080bd3c6e51a52f628 |
|
MD5 | 0268f6fcd2aca1634c7d5791bad1e83c |
|
BLAKE2b-256 | 8976f92c44d1fbe93033de20cd966ce1525a8b8fd619fd2984fac0f179b373f9 |