1024节日特辑之时装识别

   今天是10.24号，首先祝全网的大佬们节日快乐，祝愿大家都能进入大厂，
头发越来越多，在这今天举国欢庆的日子里，花了半天的时间，写了一个
时装识别，其中有鞋，包包，衣服裤子等，是一个简单的分类问题，
当然，1024是不允许有bug存在的，代码都是亲自配置调试好的，拿来即用

#首先导入我们需要的库
import numpy as np
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader
import matplotlib.pyplot as plt
from torchvision import transforms
from torchvision import datasets
import pylab


if __name__ == '__main__':
    # 首先挂载自己的GPU，使用“device”，后续对要使用GPU的变量用.to(device)即可
    device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")

    ## 配置其他超参数，如batch_size, num_workers, learning rate, 以及总的epochs
    batch_size = 256
    num_workers = 4
    lr = 1e-4
    epochs = 20

    # 首先设置数据变换


    image_size = 28#每张图片的大小28*28
    data_transform = transforms.Compose([
        #transforms.ToPILImage(),   # 这一步取决于后续的数据读取方式，如果使用内置数据集则不需要
        transforms.Resize(image_size),
        transforms.ToTensor()
    ])

    ## pytorch自己带有数据集，使用torchvision自带数据集，下载可能需要一段时间

    #定义数据
    train_data = datasets.FashionMNIST(root='./', train=True, download=True, transform=data_transform)
    test_data = datasets.FashionMNIST(root='./', train=False, download=True, transform=data_transform)


    #加载数据并打乱
    train_loader = DataLoader(train_data, batch_size=batch_size, shuffle=True, num_workers=num_workers, drop_last=True)
    test_loader = DataLoader(test_data, batch_size=batch_size, shuffle=False, num_workers=num_workers)
    #查看数据
    image, label = next(iter(train_loader))
    print(image.shape, label.shape)
    plt.imshow(image[200][0], cmap="gray")#这里如果只用plt是不会执行，要加上pylab才可
    pylab.show()

数据集格式

输出日志：