الصورة كموتر

طريقان إلى نفس الفكرة

قبل أن تبدأ

الفكرة الجوهرية

الصورة عند النموذج أرقام فقط. في هذا الدرس ترى هذه الأرقام قناةً قناة، ثم ترتّب أبعادها كما يريد PyTorch، ثم تطبّعها، ثم تجمع كل ذلك في خط معالجة واحد.

1القنوات: ثلاث شبكات أرقام

كل بكسل في صورة ملوّنة ثلاثة أرقام من 0 إلى 255: أحمر وأخضر وأزرق. كل لون شبكة بحجم الصورة، وتسمّى قناة.

انظر إلى الرسم: الصورة ثلاث طبقات فوق بعضها. الصورة الرمادية طبقة واحدة، وبعض الصور فيها قناة رابعة للشفافية يجب حذفها قبل النموذج.

scikit-learn يأتي بصور أرقام مكتوبة بخط اليد، 8 في 8 بكسل بقيم من 0 إلى 16. ارسمها بالحروف لترى أن الرقم مجرد شكل في مصفوفة.

from sklearn.datasets import load_digits

digits = load_digits()
img = digits.images[0]
print("label:", digits.target[0], "shape:", img.shape)
for row in img.astype(int):
    print("".join(" .:-=+*#%@"[min(v * 10 // 17, 9)] for v in row))

هذا صفر. النموذج سيرى نفس المصفوفة بالضبط، 64 رقمًا، ولا شيء آخر.

2ترتيب الأبعاد: (C, H, W)

مكتبات الصور تعطيك الشكل (H, W, C)، أي القنوات في الآخر. أما PyTorch فيريد القنوات أولًا: (C, H, W).

انظر إلى الرسم: نفس الأبعاد الثلاثة بترتيب جديد. الأرقام نفسها، والذي تغيّر هو من يأتي أولًا.

import numpy as np

image = np.zeros((4, 6, 3), dtype=np.uint8)
image[:, :3] = [200, 30, 30]
image[:, 3:] = [30, 30, 200]
print("shape (H, W, C):", image.shape, image.dtype)
print("top-left pixel:", image[0, 0])
print("red channel row 0:", image[0, :, 0])

chw = image.transpose(2, 0, 1)
print("shape (C, H, W):", chw.shape)

النصف الأيسر أحمر [200, 30, 30] والأيمن أزرق. المكتبات التي تقرأ الصور (Pillow وOpenCV وmatplotlib) تعطيك الترتيب (H, W, C)، أي القنوات في الآخر، بينما PyTorch يتوقّع (C, H, W). transpose(2, 0, 1) هو الجسر بينهما، وستكتبه أو تكتب ما يعادله في كل مشروع رؤية.

عند التدريب يأتي بُعد رابع في المقدّمة هو عدد الصور، فيصبح الشكل (N, C, H, W). اطبع الشكل دائمًا بعد تحميل أول صورة.

3التطبيع لكل قناة

الشبكات تتعلّم أسرع وأثبت حين تكون المدخلات قرب الصفر وانتشارها قرب الواحد. لذلك نطبّع على خطوتين.

انظر إلى الرسم: نقسم على 255 فتصبح القيم بين 0 و1، ثم نطرح متوسط كل قناة ونقسم على انحرافها.

دفعة من 16 صورة عشوائية بحجم 32 في 32. axis=(0, 2, 3) يعني: احسب عبر الصور والارتفاع والعرض، وأبقِ القنوات منفصلة.

import numpy as np

rng = np.random.default_rng(0)
batch = rng.integers(0, 256, size=(16, 3, 32, 32)).astype(np.float32)

scaled = batch / 255.0
mean = scaled.mean(axis=(0, 2, 3), keepdims=True)
std = scaled.std(axis=(0, 2, 3), keepdims=True)
normalised = (scaled - mean) / std
print("raw range:", batch.min(), batch.max())
print("scaled range:", scaled.min(), round(float(scaled.max()), 3))
print("per-channel mean after:", normalised.mean(axis=(0, 2, 3)).round(3) + 0.0)
print("per-channel std after: ", normalised.std(axis=(0, 2, 3)).round(3))

بعد التطبيع، متوسط كل قناة صفر وانحرافها واحد. هذا بالضبط ما يفعله transforms.Normalize في torchvision، مع فرق أنه يأخذ المتوسط والانحراف جاهزين كأرقام بدل حسابهما من الدفعة.

4أرقام ImageNet وخط المعالجة الكامل

مع نموذج مدرّب مسبقًا لا تحسب المتوسط والانحراف من بياناتك. استخدم أرقام بياناته الأصلية بالضبط: mean=[0.485, 0.456, 0.406] و std=[0.229, 0.224, 0.225] لنماذج ImageNet.

النماذج تتوقّع حجمًا ثابتًا، غالبًا 224 في 224. فنغيّر الحجم ونقصّ أولًا، ثم نطبّع.

هذا ما ستكتبه في مشروع حقيقي. يحتاج torchvision وصورة على جهازك، فهو للقراءة هنا.

from PIL import Image
from torchvision import transforms

preprocess = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

image = Image.open("cat.jpg").convert("RGB")
x = preprocess(image).unsqueeze(0)
print(x.shape)   # torch.Size([1, 3, 224, 224])

convert("RGB") يحذف قناة الشفافية ويحوّل الرمادي إلى ثلاث قنوات. ToTensor يقسم على 255 ويحوّل (H, W, C) إلى (C, H, W) في خطوة واحدة. وunsqueeze(0) يضيف بعد الدفعة، لأن النموذج يتوقّع دفعة حتى لو كانت صورة واحدة.

كيف يعمل، خطوة بخطوة: كيف تتحوّل صورة إلى مدخل لنموذج

مثال محلول

كل بكسل في صورة ملوّنة ثلاثة أرقام من 0 إلى 255. صورة 224 في 224 تعني 150528 رقمًا. ابدأ بصورة صغيرة جدًّا تصنعها بنفسك حتى ترى كل رقم.

جرّب بلا كود

خرافة مقابل حقيقة

جرّب بنفسك

بطاقات مراجعة سريعة

تحقق من فهمك