[파이썬] PyTorch 데이터 증강 기법

07 Sep 2023

PyTorch

PyTorch는 딥러닝을 위한 강력한 프레임워크로 알려져 있습니다. 그러나 딥러닝 모델을 학습시키기 위해서는 데이터가 필요합니다. 데이터 증강(data augmentation)은 일련의 변형을 통해 원본 데이터를 확장하여 데이터 셋을 풍부하게 만들어주는 기법입니다. 데이터 증강을 적용하면 모델의 일반화 성능을 향상시킬 수 있습니다.

Python에서 PyTorch를 사용하여 데이터 증강을 수행하는 방법을 알아보겠습니다.

torchvision.transforms 모듈

PyTorch는 torchvision.transforms 모듈을 통해 다양한 데이터 증강 기법을 제공합니다. torchvision.transforms 모듈은 이미지 변환을 위한 여러 함수를 포함하고 있습니다. 다음은 자주 사용되는 몇 가지 데이터 증강 기법입니다.

1. Resize

이미지의 크기를 조정하는 기법입니다. 주로 이미지의 가로 세로 비율을 변경하기 위해 사용됩니다. torchvision.transforms 함수 중 하나인 transforms.Resize()를 사용하면 됩니다.

import torchvision.transforms as transforms

transform = transforms.Resize((256, 256))

2. RandomCrop

이미지에서 임의 영역을 잘라내는 기법입니다. 주어진 크기로 이미지를 자르는 데 사용됩니다. torchvision.transforms 함수 중 하나인 transforms.RandomCrop()을 사용하면 됩니다. 자르고자 하는 영역의 크기를 지정해야 합니다.

import torchvision.transforms as transforms

transform = transforms.RandomCrop(224)

3. RandomHorizontalFlip

이미지를 임의로 좌우로 뒤집는 기법입니다. 데이터 증강을 위해 사용됩니다. torchvision.transforms 함수 중 하나인 transforms.RandomHorizontalFlip()을 사용하면 됩니다.

import torchvision.transforms as transforms

transform = transforms.RandomHorizontalFlip(p=0.5)

4. ToTensor

이미지를 torch.Tensor 형식으로 변환하는 기법입니다. PyTorch에서 딥러닝 모델을 학습시키기 위해서는 데이터를 torch.Tensor 형식으로 사용해야 합니다. torchvision.transforms 함수 중 하나인 transforms.ToTensor()를 사용하면 됩니다.

import torchvision.transforms as transforms

transform = transforms.ToTensor()

데이터셋에 적용하기

데이터 증강 기법을 적용하기 위해서는 torchvision.transforms.Compose를 사용하여 이미지 변환 기법을 연결해야 합니다. 다음은 데이터셋에 데이터 증강을 적용하는 예시입니다.

import torch
from torchvision import datasets
import torchvision.transforms as transforms

# 데이터 증강 기법 정의
transform = transforms.Compose([
    transforms.RandomCrop(32, padding=4),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
])

# CIFAR-10 데이터셋 로드
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)

# DataLoader 생성
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)

위 예제에서는 RandomCrop, RandomHorizontalFlip, ToTensor를 사용하여 데이터 증강을 수행하고, CIFAR-10 데이터셋을 로드한 후 데이터 증강이 적용된 DataLoader를 생성했습니다.

PyTorch를 통해 데이터 증강을 적용하는 방법을 알아보았습니다. 데이터 증강을 통해 모델의 학습 성능을 향상시킬 수 있으므로, 실제 프로젝트에서도 적극적으로 적용해보는 것을 권장합니다.