Tensor conversion and ImageNet normalisation
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 65/100
Direzione di ricerca
Inizia da src/data.py e aggiungi to_tensor(X), che deve permutare l'input NHWC uint8 in NCHW, scalarlo in [0,1] e normalizzare ogni canale con la media e la deviazione standard di ImageNet indicate nell'issue. Aggiungi un commento che spieghi perché si usano queste statistiche. Questo dipende dall'issue #7, quindi verifica che sia già stata unita. Il lavoro è completato quando l'output è float32 e la media per canale del training set rientra approssimativamente in [-1, 1].
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
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>.
- Lingua principale
- Jupyter Notebook
- Stelle
- 0
- Fork
- 0
- Merge medio
- 5h 32m
- PR unite (30g)
- 5
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di VisionForgeCSE/CNN-For-Image-Classification
-
Inference latency benchmarkApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
-
evaluation good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
Plot confusion matrixApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
training
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
Optimizer factoryApertatraining
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
Tutte le issue di VisionForgeCSE/CNN-For-Image-Classification
Issue simili
-
nth_root does not restore the rounding mode and can return an upper bound below the true rootAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
ZeroDivisionError in `atm_interpolation` / `empirical_line` row logging on Windows (flaky `test_apply_oe[args1]`)Forse già presa @Gerrit-Hoving l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
E3SM-Project/mam4xx#603 ·
I maintainer di solito rispondono entro 1 giorno
-
P4: low query
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
jeffknupp/association#415 ·
-
good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
djazairdev/wilayas#26 ·
I maintainer di solito rispondono entro 1 giorno