Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Tensor conversion and ImageNet normalisation

オープン 初心者向け
  • 何か問題がありますか？
#8 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
65/100
issue の種類
機能追加
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
python
領域
data

調査の方向性

src/data.py から始めて to_tensor(X) を追加してください。この関数は NHWC の uint8 入力を NCHW に並べ替え、[0,1] にスケーリングし、issue に記載された ImageNet の平均と標準偏差で各チャンネルを正規化する必要があります。これらの統計量を使う理由を説明するコメントを追加してください。この作業は issue #7 に依存しているため、先にマージされているか確認してください。出力が float32 であり、学習データセットのチャンネルごとの平均がおおよそ [-1, 1] の範囲に収まっていれば完了です。

索引モデルが issue の本文から書いたものです。

説明

data

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>.

主要言語
Jupyter Notebook
スター
0
フォーク
0
平均マージ
5時間 32分
マージ済み PR（30日）
5

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

VisionForgeCSE/CNN-For-Image-Classification のほかの issue

VisionForgeCSE/CNN-For-Image-Classification の issue をすべて見る

似ている issue

Data Engineering の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。