From 9ff7eb04d47bca1c2004c0e25f91a3c2e3dba8dd Mon Sep 17 00:00:00 2001 From: dnd-qodqks Date: Sat, 5 Aug 2023 23:35:07 +0900 Subject: [PATCH 1/3] =?UTF-8?q?=EC=98=A4=ED=83=80=20=EC=88=98=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/data_loading_tutorial.py | 18 +-- beginner_source/test.txt | 133 +++++++++++++++++++++++ 2 files changed, 142 insertions(+), 9 deletions(-) create mode 100644 beginner_source/test.txt diff --git a/beginner_source/data_loading_tutorial.py b/beginner_source/data_loading_tutorial.py index 12c0f9f1d..612a12dc7 100644 --- a/beginner_source/data_loading_tutorial.py +++ b/beginner_source/data_loading_tutorial.py @@ -44,7 +44,7 @@ # .. figure:: /_static/img/landmarked_face2.png # :width: 400 # -# 각각의 얼굴에 68개의 서로다른 중요 포인트들이 존재합니다. +# 각각의 얼굴에 68개의 서로 다른 중요 포인트들이 존재합니다. # # .. note:: # 이 `링크 `_ 를 통해 데이터셋을 다운로드 해주세요. @@ -104,7 +104,7 @@ def show_landmarks(image, landmarks): # ``torch.utils.data.Dataset`` 은 데이터셋을 나타내는 추상클래스입니다. # 여러분의 데이터셋은 ``Dataset`` 에 상속하고 아래와 같이 오버라이드 해야합니다. # -# - ``len(dataset)`` 에서 호출되는 ``__len__`` 은 데이터셋의 크기를 리턴해야합니다. +# - ``len(dataset)`` 에서 호출되는 ``__len__`` 은 데이터셋의 크기를 리턴해야 합니다. # - ``dataset[i]`` 에서 호출되는 ``__getitem__`` 은 # :math:`i`\ 번째 샘플을 찾는데 사용됩니다. # @@ -196,7 +196,7 @@ def __getitem__(self, idx): # - ``ToTensor``: numpy 이미지에서 torch 이미지로 변경합니다. # (축변환이 필요합니다) # -# 간단한 함수대신에 호출 할 수 있는 클래스로 작성 합니다. +# 간단한 함수 대신에 호출할 수 있는 클래스로 작성합니다. # 이렇게 한다면, 클래스가 호출 될 때마다 전이(Transform)의 매개변수가 전달 되지 않아도 됩니다. # 이와 같이, ``__call__`` 함수를 구현해야 합니다. # 필요하다면, ``__init__`` 함수도 구현해야 합니다. 다음과 같이 전이(transform)를 사용할 수 있습니다. @@ -303,7 +303,7 @@ def __call__(self, sample): # # 이미지의 가장 짧은 측면을 256개로 rescale하고, # 그후에 무작위로 224개를 자른다고 가정합시다. -# 다시말해, ``Rescale`` 과 ``RandomCrop`` 을 사용해봅시다. +# 다시 말해, ``Rescale`` 과 ``RandomCrop`` 을 사용해봅시다. # # ``torchvision.transforms.Compose`` 는 위의 두작업을 하는 간단한 호출할 수 있는 클래스입니다. # @@ -331,13 +331,13 @@ def __call__(self, sample): # 데이터셋을 이용한 반복작업 # ----------------------------- # -# 전이(transform)를 적용한 dataset을 만들기위해서 만들었던것을 다 집어 넣어 봅시다. +# 전이(transform)를 적용한 dataset을 만들기 위해서 만들었던 것을 다 집어넣어 봅시다. # # 요약하자면, 데이터셋은 다음과 같이 샘플링 됩니다. # -# - 이미지는 파일 전체를 메모리에 올리지않고 필요할때마다 불러와서 읽습니다. +# - 이미지는 파일 전체를 메모리에 올리지 않고 필요할 때마다 불러와서 읽습니다. # - 그 후에 읽은 이미지에 Transform을 적용합니다. -# - transfroms 중 하나가 랜덤이기 때문에, 데이터는 샘플링때 증가합니다. +# - transfroms 중 하나가 랜덤이기 때문에, 데이터는 샘플링 때 증가합니다. # # # 우리는 이제 이전에 사용하던 것 처럼 ``for i in range`` 를 사용해서 @@ -422,7 +422,7 @@ def show_landmarks_batch(sample_batched): # 이번 튜토리얼에서는, 데이터셋 작성과 사용, 전이(transforms), 데이터를 불러오는 방법에 대해서 알아봤습니다. # ``torchvision`` 패키지는 몇몇의 일반적인 데이터셋과 전이(transforms)들을 제공합니다. # 클래스들을 따로 작성하지 않아도 될 것입니다. -# torchvision에서의 사용가능한 일반적인 데이터셋 중 하나는 ``ImageFolder`` 입니다. +# torchvision에서의 사용 가능한 일반적인 데이터셋 중 하나는 ``ImageFolder`` 입니다. # 이것은 다음과 같은 방식으로 구성되어 있다고 가정합니다: :: # # root/ants/xxx.png @@ -456,4 +456,4 @@ def show_landmarks_batch(sample_batched): # num_workers=4) # # training code에 대한 예시를 알고 싶다면, -# :doc:`transfer_learning_tutorial` 문서를 참고해주세요 +# :doc:`transfer_learning_tutorial` 문서를 참고해 주세요. diff --git a/beginner_source/test.txt b/beginner_source/test.txt new file mode 100644 index 000000000..da3e43386 --- /dev/null +++ b/beginner_source/test.txt @@ -0,0 +1,133 @@ +정윤성 +머신러닝 +PyTorch는 +쉽게해주고 +높여줄 +튜토리얼에서 +데이터셋으로부터 +전처리하고 +튜토리얼을 +설치해주세요 +파싱을 +해줍니다 +DataLoader +반응형 +데이터셋은 +랜드마크 +서로다른 +를 +데이터셋을 +데이터셋은 +ImageNet에서 +데이터셋입니다 +데이터셋은 +0805personali01 +e76e00b7e7 +랜드마크의 +랜드마크 +를 +보여주는 +랜드마크 +보여줍니다 +클래스 +데이터셋을 +추상클래스입니다 +데이터셋은 +오버라이드 +해야합니다 +데이터셋의 +리턴해야합니다 +데이터셋 +클래스를 +필요할때마다 +데이터셋의 +전처리 +FaceLandmarksDataset +디렉토리 +클래스를 +인스턴스화 +첫번째 +랜드마크 +를 +보여줄 +FaceLandmarksDataset +신경망 +신경망에 +RandomCrop +ToTensor +축변환이 +함수대신에 +클래스로 +클래스가 +를 +랜드마크 +샘플크기를 +RandomCrop +샘플데이터를 +ToTensor +로 +시켜줍니다 +RandomCrop +난수 +생성기 +를 +DataLoader +를 +PyTorch가 +난수 +생성기를 +를 +그후에 +다시말해 +RandomCrop +두작업을 +클래스입니다 +RandomCrop +데이터셋을 +반복작업 +를 +만들기위해서 +만들었던것을 +데이터셋은 +샘플링 +올리지않고 +필요할때마다 +랜덤이기 +샘플링때 +처럼 +를 +데이터셋을 +FaceLandmarksDataset +RandomCrop +ToTensor +를 +병렬처리 +사용할때 +DataLoder +제공해주는 +반복자 +DataLoader +보여주는 +들여쓰기합니다 +를 +4th +튜토리얼에서는 +데이터셋 +데이터셋과 +클래스들을 +torchvision에서의 +사용가능한 +데이터셋 +ImageFolder +nsdf3 +asd932 +RandomHorizontalFlip +사용가능합니다 +데이터로더 +를 +RandomSizedCrop +RandomHorizontalFlip +ToTensor +ImageFolder +DataLoader +참고해주세요 From e98ffa6a30f035df28d79e7207b5b4461ecd1ce3 Mon Sep 17 00:00:00 2001 From: dnd-qodqks Date: Sat, 5 Aug 2023 23:44:23 +0900 Subject: [PATCH 2/3] =?UTF-8?q?=EC=98=A4=ED=83=80=20=EC=88=98=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/data_loading_tutorial.py | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/beginner_source/data_loading_tutorial.py b/beginner_source/data_loading_tutorial.py index 612a12dc7..3d485b2bf 100644 --- a/beginner_source/data_loading_tutorial.py +++ b/beginner_source/data_loading_tutorial.py @@ -196,7 +196,7 @@ def __getitem__(self, idx): # - ``ToTensor``: numpy 이미지에서 torch 이미지로 변경합니다. # (축변환이 필요합니다) # -# 간단한 함수 대신에 호출할 수 있는 클래스로 작성합니다. +# 간단한 함수 대신에 호출 할 수 있는 클래스로 작성 합니다. # 이렇게 한다면, 클래스가 호출 될 때마다 전이(Transform)의 매개변수가 전달 되지 않아도 됩니다. # 이와 같이, ``__call__`` 함수를 구현해야 합니다. # 필요하다면, ``__init__`` 함수도 구현해야 합니다. 다음과 같이 전이(transform)를 사용할 수 있습니다. @@ -305,7 +305,7 @@ def __call__(self, sample): # 그후에 무작위로 224개를 자른다고 가정합시다. # 다시 말해, ``Rescale`` 과 ``RandomCrop`` 을 사용해봅시다. # -# ``torchvision.transforms.Compose`` 는 위의 두작업을 하는 간단한 호출할 수 있는 클래스입니다. +# ``torchvision.transforms.Compose`` 는 위의 두 작업을 하는 간단한 호출할 수 있는 클래스입니다. # scale = Rescale(256) @@ -367,7 +367,7 @@ def __call__(self, sample): # # - 데이터를 묶는 과정 # - 데이터를 섞는 과정 -# - 병렬처리 과정에서 ``multiprocessing`` 을 사용할때 데이터를 불러오는 것 +# - 병렬처리 과정에서 ``multiprocessing`` 을 사용할 때 데이터를 불러오는 것 # # ``torch.utils.data.DataLoder`` 는 위와 같은 기능을 모두 제공해주는 반복자(iterator)입니다. # 사용되는 매개변수(Parameters)는 명확해야 합니다. @@ -398,7 +398,7 @@ def show_landmarks_batch(sample_batched): plt.title('Batch from dataloader') -# Windows를 사용 중이라면, 다음 줄의 주석을 제거하고 for 반복문을 들여쓰기합니다. +# Windows를 사용 중이라면, 다음 줄의 주석을 제거하고 for 반복문을 들여쓰기 합니다. # ``num_workers`` 를 0으로 변경해야 할 수도 있습니다. # if __name__ == '__main__': @@ -437,7 +437,7 @@ def show_landmarks_batch(sample_batched): # # 여기서'ants', 'bees'는 class labels입니다. # 비슷하게, ``RandomHorizontalFlip`` , ``Scale`` 과 같이 ``PIL.Image`` 에서 작동하는 -# 일반적인 전이(transforms)도 사용가능합니다. 이와 같이 데이터로더(dataloader)를 사용할 수 있습니다: :: +# 일반적인 전이(transforms)도 사용 가능합니다. 이와 같이 데이터로더(dataloader)를 사용할 수 있습니다: :: # # import torch # from torchvision import transforms, datasets From 0d594603ac94212c9b712be4af0a92361fa811f7 Mon Sep 17 00:00:00 2001 From: dnd-qodqks Date: Sat, 5 Aug 2023 23:52:13 +0900 Subject: [PATCH 3/3] =?UTF-8?q?hunspell=20=EA=B2=B0=EA=B3=BC=20=ED=8C=8C?= =?UTF-8?q?=EC=9D=BC=20=EC=82=AD=EC=A0=9C?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/test.txt | 133 --------------------------------------- 1 file changed, 133 deletions(-) delete mode 100644 beginner_source/test.txt diff --git a/beginner_source/test.txt b/beginner_source/test.txt deleted file mode 100644 index da3e43386..000000000 --- a/beginner_source/test.txt +++ /dev/null @@ -1,133 +0,0 @@ -정윤성 -머신러닝 -PyTorch는 -쉽게해주고 -높여줄 -튜토리얼에서 -데이터셋으로부터 -전처리하고 -튜토리얼을 -설치해주세요 -파싱을 -해줍니다 -DataLoader -반응형 -데이터셋은 -랜드마크 -서로다른 -를 -데이터셋을 -데이터셋은 -ImageNet에서 -데이터셋입니다 -데이터셋은 -0805personali01 -e76e00b7e7 -랜드마크의 -랜드마크 -를 -보여주는 -랜드마크 -보여줍니다 -클래스 -데이터셋을 -추상클래스입니다 -데이터셋은 -오버라이드 -해야합니다 -데이터셋의 -리턴해야합니다 -데이터셋 -클래스를 -필요할때마다 -데이터셋의 -전처리 -FaceLandmarksDataset -디렉토리 -클래스를 -인스턴스화 -첫번째 -랜드마크 -를 -보여줄 -FaceLandmarksDataset -신경망 -신경망에 -RandomCrop -ToTensor -축변환이 -함수대신에 -클래스로 -클래스가 -를 -랜드마크 -샘플크기를 -RandomCrop -샘플데이터를 -ToTensor -로 -시켜줍니다 -RandomCrop -난수 -생성기 -를 -DataLoader -를 -PyTorch가 -난수 -생성기를 -를 -그후에 -다시말해 -RandomCrop -두작업을 -클래스입니다 -RandomCrop -데이터셋을 -반복작업 -를 -만들기위해서 -만들었던것을 -데이터셋은 -샘플링 -올리지않고 -필요할때마다 -랜덤이기 -샘플링때 -처럼 -를 -데이터셋을 -FaceLandmarksDataset -RandomCrop -ToTensor -를 -병렬처리 -사용할때 -DataLoder -제공해주는 -반복자 -DataLoader -보여주는 -들여쓰기합니다 -를 -4th -튜토리얼에서는 -데이터셋 -데이터셋과 -클래스들을 -torchvision에서의 -사용가능한 -데이터셋 -ImageFolder -nsdf3 -asd932 -RandomHorizontalFlip -사용가능합니다 -데이터로더 -를 -RandomSizedCrop -RandomHorizontalFlip -ToTensor -ImageFolder -DataLoader -참고해주세요