Tensor conversion and ImageNet normalisation
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 65/100
Línea de trabajo
Empieza en src/data.py y añade to_tensor(X), que debe permutar la entrada NHWC uint8 a NCHW, escalarla a [0,1] y normalizar cada canal con la media y la desviación estándar de ImageNet indicadas en el issue. Añade un comentario que explique por qué se usan estas estadísticas. Esto depende del issue #7, así que comprueba que esté fusionado antes. Se considera terminado cuando la salida es float32 y la media por canal del conjunto de entrenamiento está aproximadamente dentro de [-1, 1].
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Convert NHWC uint8 arrays to normalised NCHW float tensors.
Files: src/data.py
Tasks
-
to_tensor(X): permute to (N,3,64,64), scale to [0,1] - Normalise with ImageNet mean
[0.485,0.456,0.406]and std[0.229,0.224,0.225] - Comment why: pretrained models expect these statistics, so all models use them
Done when
Output dtype float32, per-channel mean of the training set roughly in [-1, 1].
Depends on
#7
Close with a commit or PR message containing Closes #<this issue>.
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 0
- Forks
- 0
- Merge medio
- 5 h 32 min
- PR fusionados (30 d)
- 5
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de VisionForgeCSE/CNN-For-Image-Classification
-
Inference latency benchmarkAbiertoevaluation
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
-
evaluation good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
-
Plot confusion matrixAbiertoevaluation
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
Save training histories to JSONAbiertotraining
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
Optimizer factoryAbiertotraining
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
Todos los issues de VisionForgeCSE/CNN-For-Image-Classification
Issues similares
-
write_iceberg ignores the table's write.parquet.compression-codec propertyPosiblemente ocupada @YuangGao la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Eventual-Inc/Daft#7606 ·
Los mantenedores suelen responder en 1 día
-
requires-triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
apache/datafusion-comet#7001 ·
Los mantenedores suelen responder en 1 día
-
data good first issue hacktoberfest
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
pacocartones/free-llm-api-hub#326 ·
Los mantenedores suelen responder en 1 día
-
data docs
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
pacocartones/market-data-sanity-checker#143 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
neuroinformatics-unit/movement#1155 ·
Los mantenedores suelen responder en 3 días