Carga de dataset para computer vision
Contenido del curso
Primeros pasos con transfer learning y transformers
Computer vision
Procesamiento de lenguaje natural
Comparte en el Hub
Carga de dataset para computer vision
Carga de dataset para computer vision
Contenido del curso
Fredy Alberto Orozco Loaiza
Creo que está mal llamar a lo que hicimos extracción de características. En la literatura se conoce como extracción de características, a los valores de la penultima capa de la red (Antes de entrar a la clasificación). Las aplicaciones de esto es para transformar imagenes (Que son datos no-estructurados) a datos estructurados ya aplicar modelos clásicos con ellos. Lo que hicimos aquí más bien lo llamaría pre-procesamiento y son transformaciones que le hacemos a la imagen para entrarlas al modelo.
Omar Uriel Espejel Díaz
ProfesorMe hace sentido lo que mencionas. Concuerdo. Como está ahora "extracción de características" es como se le conoce en los transformers.
Patricio Sánchez Fernández
Fredy, gracias por compartir tus conocimientos...!
Miguel Rodríguez
repo_id = 'google/vit-base-patch16-224-in21k'
JUAN DAVID ORTIZ CORREA
Actualmente el ViTFeatureExtractor esta deprecado, sugiere usar ViTImageProcessor
Jose Colmenares
A mi me funcionó el código del notebook de Colab sin problemas
Gilberto Espinoza Maciel
Siguiendo el ejemplo de la clase me aparecio la siguiente advertencia
FutureWarning: The class ViTFeatureExtractor is deprecated and will be removed in version 5 of Transformers. Please use ViTImageProcessor instead.f
Entonces el bloque a ejecutar es el siguiente en este paso
from transformers import ViTImageProcessor repo_id = 'google/vit-base-patch16-224-in21k' feature_extractor = ViTImageProcessor.from_pretrained(repo_id)
Con eso podemos seguir con el resto del tutorial
Erledie Salazar
Genial, gracias por el dato.
Matias Cardozo
El feature extractor que se utilizó tiene que reunir las mismas caracteristicas que el modelo preentrenado? Es decir si el imput del modelo por ej. asumamos que necesita 224x224, el feature extractor tiene que ser capaz tambien de transformar las nuevas imagenes a 224x224? No entiendo mucho su aplicación.
Gracias!
Maria Barrera
Creo que síp, pero el feature extractor no estoy muy segura si se encarga de hacer el mismo procesamiento, yo lo veo más como informativo sobre el procesamiento. Ya uno se debe de encargar de hacer ese mismo procesamiento con el dataset de uno!!
Fredy Alberto Orozco Loaiza
Si exactamente, más que un extracción de caracterisisticas es una trasnformación de la imagen para que pueda entrar al modelo. Es más si pones esté código, ves la imagen original, algo cambiada.
from matplotlib import pyplot as plt plt.imshow(image[0].numpy().transpose(1,2,0))
cristhian toribio amaro
hola cotnrate google colab pro, configurado con GPU y estandar, y quiero ejecutar: from transformers import TrainingArguments
training_args = TrainingArguments( output_dir="./platzi-vit-model-omar-espejel", evaluation_strategy="steps", num_train_epochs=4, push_to_hub_organization="platzi", learning_rate=2e-4, remove_unused_columns=False, push_to_hub=True, load_best_model_at_end=True, )
me da error, me puedes ayudar?
Edwin F Bohorquez Vargas
para poder hacer entrenamiento de nuestro modelo requerimos: un modelos, argumentos de entrenamiento, una función colab, datos de entrenamiento, datos de la función, datos de validación, función de features
Patricio Sánchez Fernández
Excelente apunte, gracias Edwin...!
Jesús Alberto Romero Hernández
¿Cómo cargo imágenes desde una carpeta local?
Para cargar imágenes desde tu propia computadora, la forma más eficiente es estructurar tus carpetas por clases. Por ejemplo, creas una carpeta principal llamada dataset y dentro subcarpetas como gatos y perros, donde cada una contiene las imágenes correspondientes.
Luego, utilizando la librería datasets de Hugging Face, puedes usar la función load_dataset("imagefolder", data_dir="ruta/a/tu/dataset"). Esta herramienta automáticamente leerá la estructura de carpetas, asignará las etiquetas basándose en los nombres de las subcarpetas (gatos = 0, perros = 1) y preparará todo en un formato optimizado. Es un flujo de trabajo excelente porque te ahorra escribir código manual para mapear rutas de archivos y etiquetas, permitiéndote pasar directamente a la fase de procesamiento y entrenamiento de tu modelo de visión computacional.
Camilo Daza
Hola, si estoy usando otro dataset, y al momento de ejecutar el feature extractor, me aparece este mensaje, como lo puedo solucionar, me sucede de hecho con varios datasets diferentes en HF:
ValueError: Unsupported number of image dimensions: 2
y este es el codigo, igual al de la clase:
feature(image1,return_tensors=“pt”)
Ayuda?
Anderson Chávez Tamayo
Hola! Cuando coloco el símbolo ! se pone de color rojo como si fuera de error, alguien sabe por qué pasa eso?
wilmer ruiz
Hola, esttaba haciendo el ejercicio y no me salio, pero dio ese error he intentado con algunas cosas de stackoverflow pero no me resulto en google colab ¿que es?
from datasets import load_dataset ds = load_dataset("beans") ModuleNotFoundError Traceback (most recent call last) <ipython-input-2-5a886ec9890a> in <cell line: 1>() ----> 1 from datasets import load_dataset 2 3 ds = load_dataset("beans") ModuleNotFoundError: No module named 'datasets'
Simón Arboleda
como puedo usar el feature extractor para que me retorne tensores de numpy?
Víctor Trigo
¿Cómo sé cuál es la id de un modelo o repo?
Kevin Daniel Mora Gonzalez
lambdalabs/pokemon-blip-captions Copied al inicio de la card del modelo te da un nombre asi en vez de Copied esta un icono de copiar
Luis Espinoza Balcazar
que significa el 3 en el shape del feature_extractor?
Víctor Trigo
Creo que son los 3 canales RGB de la imagen
MARIA TERESA PANIAGUA RIVERA
Gracia
Emilio Sala
Para más información: Documentacion VITImageProcessor
Gabriel Jaime Cardona Osorio
En estos momentos, al momento de usar:
labels = ds['train'].features['labels']
Genera el siguiente error: KeyError: 'labels'
Por lo que solo basta con escribir:
labels = ds['train'].features['label'] labels
Para obtener el mismo output de la clase