Pytorch-衣物数据集的可视化-Matplotlib之figure.add_subplot与pyplot绘图工具的搭配使用

键盘即钢琴

已于 2022-03-18 14:16:45 修改

阅读量398

点赞数

分类专栏： Matplotlib 文章标签： pytorch 深度学习机器学习

于 2022-03-18 14:15:07 首次发布

原文链接：https://pytorch.org/tutorials/beginner/basics/data_tutorial.html

版权

Matplotlib 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文介绍了如何在PyTorch中导入并处理FashionMNIST数据集，用于训练和测试。首先，通过`torchvision.datasets`加载训练和测试数据，并应用`ToTensor`转换。接着，展示了一个代码片段，遍历训练数据集，随机选取样本并用matplotlib进行灰度图像显示，同时附上对应的类别标签。

摘要由CSDN通过智能技术生成

一、Reference

Datasets & DataLoaders — PyTorch Tutorials 1.11.0+cu102 documentation

二、代码

2.1导入Mnist数据集

import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt


training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor()
)

test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

2.2对Mnist数据集进行遍历和可视化

labels_map = {
    0: "T-Shirt",
    1: "Trouser",
    2: "Pullover",
    3: "Dress",
    4: "Coat",
    5: "Sandal",
    6: "Shirt",
    7: "Sneaker",
    8: "Bag",
    9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
    sample_idx = torch.randint(len(training_data), size=(1,)).item()
    img, label = training_data[sample_idx]
    figure.add_subplot(rows, cols, i)
    plt.title(labels_map[label])
    plt.axis("off")
    plt.imshow(img.squeeze(), cmap="gray")
plt.show()