FashionMNIST数据集

 本文是笔者在学习深度学习过程中的代码分享，主要是对实现代码的一些注释

 调用pytorch加载FashionMNIST数据集

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


#下载数据
trans=transforms.ToTensor()#通过ToTensor将图像数据从PTL类型转换成32位浮点数格式（除以255使像素均值在0到1）
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)

#数字标签索引及其文本名称之间进行转换函数
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]
#可视化函数
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)  # 设置画布大小
    _, axes =plt.subplots(num_rows, num_cols, figsize=figsize)  # 创建子图网格
    axes = axes.flatten()  # 将子图数组转换为一维数组便于遍历
    for i, (ax, img) in enumerate(zip(axes, imgs)):  # 遍历每个子图和对应的图像，zip 函数将 axes 和 imgs 两个列表的元素打包成一个个元组
        if torch.is_tensor(img):  
            ax.imshow(img.numpy())  # 如果图像是PyTorch张量，将张量转换为NumPy数组并显示
        else:  
            ax.imshow(img)  # 如果图像不是张量（例如PIL图像），直接显示图像
        ax.axes.get_xaxis().set_visible(False) 
        ax.axes.get_yaxis().set_visible(False)  # 隐藏x、y轴
        if titles:  
            ax.set_title(titles[i])  # 为每个子图设置标题
    return axes  # 返回子图数组
X, y = next(iter(data.DataLoader(mnist_train, batch_size=18)))
show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y));
plt.show()

运行结果显示