动手学深度学习》学习笔记：09 图片分类数据集

李沐大神b站视频链接

09 图片分类数据集

     colab中如果绘图步骤报错的话可能是matplotlib包版本低的原因，可以运行!pip install --upgrade matplotlib更新一下。

%matplotlib inline
import torch
import torchvision
from torch.utils import data
from torchvision import transforms
from d2l import torch as d2l
d2l.use_svg_display()

#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]

#scale可以调节图片的大小，num_rows指有几行，num_cols指有几列
def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  
    """绘制图像列表"""
    figsize = (num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
    axes = axes.flatten()
    for i, (ax, img) in enumerate(zip(axes, imgs)):
        if torch.is_tensor(img):
            # 图片张量
            ax.imshow(img.numpy())
        else:
            # PIL图片
            ax.imshow(img)
        ax.axes.get_xaxis().set_visible(False)
        ax.axes.get_yaxis().set_visible(False)
        if titles:
            ax.set_title(titles[i])
    return axes

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

#最后将全部的函数集合起来
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)) #需要的话可以修改图片大小
    trans = transforms.Compose(trans)
    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ToTensor实例将图像数据从PIL类型变成32位浮点数格式，并除以255使得所有像素的数值均在0～1之间
trans = transforms.ToTensor() #生成转换成tensor的转换器
#root为预下载好的数据集的路径，train=True代表为训练集数据，download=True表示默认下载
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)

batch_size = 256
#shuffle = True表示要随机打乱
train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,
                             num_workers=get_dataloader_workers())

#最后调用函数即可得到读取好的训练和测试数据集
train_iter, test_iter = load_data_fashion_mnist(256, resize=48)
for X, y in train_iter:
    print(X.shape, X.dtype, y.shape, y.dtype)
    break

图片与标签输出：

不同进程数读取数据的时间对比：

测试resize与正常读取功能：