李沐--图像分类数据集

函数和包详解：

1.torchvision：torch类型的可视化包，一般计算机视觉和数据可视化需要使用

2.from torchvision import transforms：这个组件经常用于图片的修改（一般数据集中的图片都是PIL格式，使用的时候需要转化为tensor，而在加入函数时常需要转化为nadarry）

3.d2l.use_svg_display()：使用什么模式展示图片

4.torchvision.datasets：一般用于图像数据集的下载和获取

eg：torchvision.datasets.FashionMNIST( root=, train=True, transform=, download=True)：train：是否为训练集， transform：使用什么转换方式（可以从transforms组件中选择），download：是否下载对应数据集。（.FashionMNIST可以更换为其他数据源）

5对4.对于获得的数据，一般是一个X对一个Y，X每个为（1，行，列）{通道数：1（彩色图片是3），图片宽度，图片长度}。数据类型不是元组和列表，但是可以通过直接切片调用，且[i][0]为X，[i][1]为Y。

6.enumerate(zip(axes, imgs)：enumerate():生成可以遍历的每个元素有对应序号（0，1，2，3...)的enumerate对象（一种迭代器）

zip():把多个向量按照每列对应的关系组成一个一个小元组

里面每个元素大概为i, (ax, img)形式

7._, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)。第一个参数是个图，一般不用；第二个axes类似于图片的索引的矩阵（（行，列））

8。next(iter(data.DataLoader(mnist_train, batch_size=18)))。：next()可以对iter()中的迭代器(元组，列表）使用，一次取一个，没有for只取一次。

9.Dataloader中的数据不能直接索引调用，需要使用next加迭代器调用

10，imshow()可以接收二维，三维甚至多维数组。二维默认为一通道即灰度图像，三维需要在第三个维度指定图像通道数（必须是第三维）

11.subplots函数只能有两个位置参数，一个行数，一个列数。

实现历程：1.数据获取2，函数：标签和标签名对应3.函数：绘制图像列表4.读取小批量5.尝试定义一个可以更改图片比例的批量读取函数