PyTorch v2.0: `transform` vs `target_transform` vs `transforms` 심층 분석

핵심 기술

이 포스트는 PyTorch의 torchvision.transforms 모듈에서 transform, target_transform, 그리고 transforms의 차이점과 사용법을 명확하게 설명하며, 실제 데이터셋에 적용하는 예시를 제공합니다.

기술적 세부사항

• transform: 이미지 자체에 적용되는 변환을 정의합니다. (예: 리사이징, 정규화 등)
• target_transform: 이미지에 대응하는 라벨 또는 타겟 데이터에 적용되는 변환을 정의합니다. (예: 타겟 이미지 리사이징)
• transforms: 여러 개의 변환을 파이프라인 형태로 묶어 순차적으로 적용할 수 있도록 합니다. 이는 데이터 증강 시 유용합니다.

• 예제 코드: torchvision.datasets.OxfordIIITPet 데이터셋을 사용하여 target_transform에 Resize를 적용하는 구체적인 코드를 보여줍니다.
  ```python
  from torchvision.datasets import OxfordIIITPet
  from torchvision.transforms.v2 import Resize

  tgtresize100_50_data = OxfordIIITPet(
  root="data",
  target_transform=Resize(size=[100, 50])
  )
  `` *target_transform`의 예시로 이미지의 라벨 부분을 특정 크기([100, 50])로 리사이즈하는 방법을 보여줍니다.

개발 임팩트

• 데이터 전처리 과정에서 이미지와 타겟 데이터를 분리하여 각기 다른 변환을 정확하게 적용할 수 있는 이해를 높입니다.
• 복잡한 데이터 전처리 파이프라인을 효율적으로 구축하는 데 도움을 줍니다.
• PyTorch를 활용한 컴퓨터 비전 모델 개발의 정확성과 효율성을 향상시킬 수 있습니다.