Carga de datasets de imágenes en Google Colab con GPU

Curso de Redes Neuronales Convolucionales

Contenido del curso

No sé dónde empezar

Fundamentos de las CNN y su aplicación biomédica

Construcción práctica con PyTorch

Entrenamiento y evaluación de modelos

Optimización y generalización

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:003:47

Carga de datasets de imágenes en Google Colab con GPU

Curso de Redes Neuronales Convolucionales

Clase 8 de 15

Clase 8 / 15

Recursos

Para realizar tareas de procesamiento automático de imágenes es fundamental contar con un dataset organizado y accesible. En este artículo aprenderás cómo cargar conjuntos de imágenes a Google Colab, ya sea directamente desde tu computadora o mediante Google Drive, habilitando simultáneamente el soporte GPU. Este flujo de trabajo permite la gestión y procesamiento eficiente de un gran volumen de imágenes, como las imágenes médicas usadas para distinguir entre categorías específicas (por ejemplo, neumonía y personas normales).

¿Por qué es necesario habilitar una GPU en Google Colab para nuestro dataset?

Trabajar con muchas imágenes implica altos costos computacionales; por tanto, una GPU (Unidad de Procesamiento Gráfico por sus siglas en inglés) es crucial para mantener eficiencia y rapidez. Al iniciar Google Colab, asegúrate de activar su soporte:

Dirígete al menú de editar, luego a configuración del cuaderno.
Selecciona GPU como hardware acelerador, preferentemente el modelo T4.

De esta forma, podrás gestionar grandes datasets de manera óptima.

¿Cómo cargar un dataset usando descarga directa en Google Colab?

Si prefieres subir el dataset directamente desde tu equipo:

Descarga previamente el archivo comprimido ".zip" desde la sección de recursos.
Arrástralo a la interfaz del cuaderno en Google Colab.
Ubica la línea de código pertinente y descoméntala.
Ejecuta la celda para descomprimir automáticamente ese archivo zip y transformarlo en una carpeta visualizable.

Así tendrás disponible directamente el contenido para trabajar fácilmente.

¿Cómo importar un dataset desde Google Drive?

Si buscas una opción más permanente, usa Google Drive:

Sube tu archivo comprimido (zip) a tu Google Drive mediante arrastrar y soltar.
Otorga permiso a Google Colab para enlazar tu cuenta de Drive.
Abre el archivo zip dentro del Drive usando la opción Zip Extractor (clic en los tres puntos).
Espera a que termine la extracción, que demora entre media hora a una hora según tu conexión.
Finalmente, cuando finalice la descompresión, aparecerá un botón indicando cargar al drive; asegúrate de pulsarlo para finalizar correctamente.

Ya tendrás tus imágenes disponibles directamente desde Drive con fácil acceso en futuras sesiones de trabajo.

¿Cuál es la estructura óptima del dataset para clasificación?

Al abrir la carpeta con el dataset descomprimido encuentras dos subcarpetas principales:

Entrenamiento
Validación

Cada una contendrá subdivisiones correspondientes a las categorías de clasificación, por ejemplo:

Normal
Neumonía

Manteniendo esta estructura organizada facilitarás enormemente tu flujo de análisis, entrenamiento de modelos y validación automática.

Con estos preparativos listos, estarás a punto de iniciar análisis más profundos en procesamiento y visualización de imágenes, lo que se abordará en etapas posteriores en tu aprendizaje avanzado. ¿Te animas a experimentar con ambos métodos de carga y compartir tu experiencia?

Resumen

¿Por qué es necesario habilitar una GPU en Google Colab para nuestro dataset?

Dirígete al menú de editar, luego a configuración del cuaderno.
Selecciona GPU como hardware acelerador, preferentemente el modelo T4.

De esta forma, podrás gestionar grandes datasets de manera óptima.

¿Cómo cargar un dataset usando descarga directa en Google Colab?

Si prefieres subir el dataset directamente desde tu equipo:

Descarga previamente el archivo comprimido ".zip" desde la sección de recursos.
Arrástralo a la interfaz del cuaderno en Google Colab.
Ubica la línea de código pertinente y descoméntala.
Ejecuta la celda para descomprimir automáticamente ese archivo zip y transformarlo en una carpeta visualizable.

Así tendrás disponible directamente el contenido para trabajar fácilmente.

¿Cómo importar un dataset desde Google Drive?

Si buscas una opción más permanente, usa Google Drive:

Sube tu archivo comprimido (zip) a tu Google Drive mediante arrastrar y soltar.
Otorga permiso a Google Colab para enlazar tu cuenta de Drive.
Abre el archivo zip dentro del Drive usando la opción Zip Extractor (clic en los tres puntos).
Espera a que termine la extracción, que demora entre media hora a una hora según tu conexión.
Finalmente, cuando finalice la descompresión, aparecerá un botón indicando cargar al drive; asegúrate de pulsarlo para finalizar correctamente.

Ya tendrás tus imágenes disponibles directamente desde Drive con fácil acceso en futuras sesiones de trabajo.

¿Cuál es la estructura óptima del dataset para clasificación?

Al abrir la carpeta con el dataset descomprimido encuentras dos subcarpetas principales:

Entrenamiento
Validación

Cada una contendrá subdivisiones correspondientes a las categorías de clasificación, por ejemplo:

Normal
Neumonía

Manteniendo esta estructura organizada facilitarás enormemente tu flujo de análisis, entrenamiento de modelos y validación automática.

Fundamentos de las CNN y su aplicación biomédica

Redes convolucionales con PyTorch para imágenes médicas

Cómo las radiografías se convierten en números

Convoluciones en PyTorch con tensores

Stride y padding en convoluciones

ReLU, Sigmoide y Tanh en redes convolucionales

Max Pooling vs Average Pooling en CNNs

Qué hace flatten en redes neuronales

Construcción práctica con PyTorch

Carga de datasets de imágenes en Google Colab con GPU

Imágenes a tensores con PyTorch

Cómo construir tu primera CNN en código

Entrenamiento y evaluación de modelos

Entrenamiento de red neuronal para detectar neumonía

Predicciones reales con tu modelo PyTorch

Precisión, Recall y ROC en redes neuronales

Optimización y generalización

ResNet 50 lleva accuracy de 0.69 a 0.96

Grad-Cam para detectar neumonía en rayos X

Carga de datasets de imágenes en Google Colab con GPU

Progreso del curso

Fundamentos de las CNN y su aplicación biomédica

Construcción práctica con PyTorch

Entrenamiento y evaluación de modelos

Optimización y generalización

Recursos

Recursos