动手学深度学习-2021-11-11

图像分类数据集

Fashion-MNIST数据集

导入

%matplotlib inline
import torch
import torchvision   
# torchvision 是PyTorch中专门用来处理图像的库
from torch.utils import data
#pytorch读取数据徐需要用到
from torchvision import transforms
# torchvision.transforms是专门用来对数据进行相关处理的，比如归一化，对PIL.Image进行裁减缩放等
from d2l import torch as d2l
d2l.use_svg_display()

读取数据集

• 通过框架中的内置函数将数据集下载并读取到内存中
• ToTensor和ToPILImage的理解
• Fashion-MNIST由10个类别的图像组成，每个类别由训练数据集中的6000张图像和测试数据集中的1000张图像组成。测试数据集（test dataset）不会用于训练，只用于评估模型性能。训练集和测试集分别包含60000和10000张图像。
• 每个输入图像的高度和宽度均为28像素。数据集由灰度图像组成，其通道数为1
• 灰度图像是每个像素只有一个采样颜色的图像，一般用二维矩阵表示；彩色（多通道）图像采用3维矩阵
• 如果一个像素点有RGB三种颜色来描述，那就是三通道，通过通道可以改变图像的色相和颜色；一个通道就是一幅灰度图像。

# 通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式，张量格式
# 并除以255使得所有像素的数值均在0到1之间
trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(
    root="../data", train=True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(
    root="../data", train=False, transform=trans, download=True)

• Fashion-MNIST中包含的10个类别分别为t-shirt（T恤）、trouser（裤子）、pullover（套衫）、dress（连衣裙）、coat（外套）、sandal（凉鞋）、shirt（衬衫）、sneaker（运动鞋）、bag（包）和ankle boot（短靴）。以下函数用于在数字标签索引及其文本名称之间进行转换。

def get_fashion_mnist_labels(labels): 
    """返回Fashion-MNIST数据集的文本标签。"""
    text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat', 'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
    return [text_labels[int(i)] for i in labels]

读取小批量

• 为了使我们在读取训练集和测试集时更容易，我们使用内置的数据迭代器（DataLoader），而不是从零开始创建一个。 回顾一下，在每次迭代中，数据加载器每次都会读取一小批量数据，大小为batch_size。我们在训练数据迭代器中还随机打乱了所有样本。

batch_size = 256

def get_dataloader_workers():  #@save
    """使用4个进程来读取数据。"""
    return 4

train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,                         num_workers=get_dataloader_workers())

整合所有组件

• 定义load_data_fashion_mnist函数，用于获取和读取数据集，它返回训练集合验证集的数据迭代器，可选参数，用来将图像大小调整为另一个形状

def load_data_fashion_mnist(batch_size, resize=None):  
    """下载Fashion-MNIST数据集，然后将其加载到内存中。"""
    trans = [transforms.ToTensor()]
    if resize:
        trans.insert(0, transforms.Resize(resize))
    trans = transforms.Compose(trans)
    # compose类主要用于串联多个图片变换的操作
    mnist_train = torchvision.datasets.FashionMNIST(
        root="../data", train=True, transform=trans, download=True)
    mnist_test = torchvision.datasets.FashionMNIST(
        root="../data", train=False, transform=trans, download=True)
    return (data.DataLoader(mnist_train, batch_size, shuffle=True,
                            num_workers=get_dataloader_workers()),
            data.DataLoader(mnist_test, batch_size, shuffle=False,
                            num_workers=get_dataloader_workers()))

• 通过指定resize参数来测试load_data_fashion_mnist函数的图像大小调整功能

train_iter, test_iter = load_data_fashion_mnist(32, resize=64)
for X, y in train_iter:
    print(X.shape, X.dtype, y.shape, y.dtype)
    break