《动手学深度学习+PyTorch》3.5图像分类数据集（Fashion-MNIST） 学习笔记

---

一、torchvision包

torchvision包，它是服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision主要由以下几部分构成：
1.torchvision.datasets: 一些加载数据的函数及常用的数据集接口；
2.torchvision.models: 包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；
3.torchvision.transforms: 常用的图片变换，例如裁剪、旋转等；
4.torchvision.utils: 其他的一些有用的方法。

二、步骤

1.引入库

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import time
import sys
sys.path.append("..") # 为了导入上层目录的d2lzh_pytorch
from d2lzh_pytorch import *
import d2lzh_pytorch as d2l

2.下载数据集和测试集

mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST',
                                                train=True, download=True,
                                                transform=transforms.ToTensor())
mnist_test = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST',
                                                train=False, download=True,
                                                transform=transforms.ToTensor())

通过torchvision的torchvision.datasets来下载这个数据集。
第一次调用时会自动从网上获取数据。
参数train = True或 train = False来指定获取训练数据集或测试数据集。
参数transform = transforms.ToTensor()使所有数据转换为Tensor，如果不进行转换则返回的是PIL图片。
transforms.ToTensor()将尺寸为 (H x W x C) 且数据位于[0, 255]的PIL图片或者数据类型为np.uint8的NumPy数组转换为尺寸为(C x H x W)且数据类型为torch.float32且位于[0.0, 1.0]的Tensor。

3.展示训练集中样本

X, y = [],[]
for i in range(10):
    X.append(mnist_train[i][0])
    y.append(mnist_train[i][1])
show_fashion_mnist(X, get_fashion_mnist_labels(y))

展示训练数据集中前10个样本的图像内容和文本标签。

get_fashion_mnist_labels(labels)

本函数已保存在d2lzh包中

def get_fashion_mnist_labels(labels):
    text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
                    'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
    return [text_labels[int(i)] for i in labels]

show_fashion_mnist(images, labels)

本函数已保存在d2lzh包中

def show_fashion_mnist(images, labels):
   d2l.use_svg_display()	#上一节有对该函数的讲解
   _, figs = plt.subplots(1, len(images), figsize=(12, 12)) 
   for f, img, lbl in zip(figs, images, labels):
       f.imshow(img.view((28, 28)).numpy())
       f.set_title(lbl)
       f.axes.get_xaxis().set_visible(False)
       f.axes.get_yaxis().set_visible(False)
   plt.show()

plt.subplots(1, len(images), figsize=(12, 12))

绘图函数，参数1和len(images)分别代表子图的行数和列数，figsize值设置子图的宽度和高度。

zip(figs, images, labels)

用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

img.view((28, 28)).numpy()

.numpy()将Tensor变量转换为ndarray变量，即（n dimension array）n维数组
.view()的作用相当于numpy中的.reshape，重新定义矩阵的形状。

f.axes.get_xaxis().set_visible(False)
f.axes.get_yaxis().set_visible(False)

隐藏坐标轴

plt.show()

显示图像

---

总结

《动手学深度学习+PyTorch》3.5图像分类数据集（Fashion-MNIST）