图像分类数据集

:label:sec_fashion_mnist

(MNIST数据集) :cite:LeCun.Bottou.Bengio.ea.1998 (是图像分类中广泛使用的数据集之一，但作为基准数据集过于简单。对手写数字的识别-1989 我们将使用类似但更复杂的Fashion-MNIST数据集) :cite:Xiao.Rasul.Vollgraf.2017。、、

%matplotlib inline
import torch
import torchvision   #pytorch对于计算机视觉的一些模型实现的库
from torch.utils import data   #方便读取小批量数据的函数
from torchvision import transforms    #transforms对数据进行操纵的model
from d2l import torch as d2l     #将一些函数实现后存入d2l;

d2l.use_svg_display() #显示图片

读取数据集

我们可以[通过框架中的内置函数将Fashion-MNIST数据集下载并读取到内存中]。

# 通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式，
# 并除以255使得所有像素的数值均在0到1之间
#使用框架自己带的函数FashionMNIST来下载并读取数据到内存，这个数据不大，就直接读入内存

# root="../data",下载到上级目录的data里面
# train=True,   train=True ：下载的训练数据集
# transform=trans, 需要得到的是pytorch的tensor,而不是一堆图片
# download=True)，默认从网上下载

#也可以事先下载好，存在data文件夹里面，也不用指定download
#对于test数据集，测试数据集用来验证模型的好坏；不参与训练；
#区别是train=False

trans = transforms.ToTensor()   #把图片转成pytorch的张量tensor，最简单的预处理；
mnist_train = torchvision.datasets.FashionMNIST( #从dataset里把FashionMNIST拿到，
    root="../data",train=True,transform=trans,download=True)

mnist_test = torchvision.datasets.FashionMNIST(
    root="../data", train=False, transform=trans, download=True)

Fashion-MNIST由10个类别的图像组成， 每个类别由训练数据集（train dataset）中的6000张图像 和测试数据集（test dataset）中的1000张图像组成。 因此，训练集和测试集分别包含60000和10000张图像。 测试数据集不会用于训练，只用于评估模型性能。

len(mnist_train), len(mnist_test)

(60000, 10000)

每个输入图像的高度和宽度均为28像素。 数据集由灰度图像组成，其通道数为1。 为了简洁起见，本书将高度ℎh像素、宽度𝑤w像素图像的形状记为ℎ×𝑤h×w或（ℎh,𝑤w）。

mnist_train[0][0].shape #第一张图片的形状

torch.Size([1, 28, 28])

[两个可视化数据集的函数]

Fashion-MNIST中包含的10个类别，分别为t-shirt（T恤）、trouser（裤子）、pullover（套衫）、dress（连衣裙）、coat（外套）、sandal（凉鞋）、shirt（衬衫）、sneaker（运动鞋）、bag（包）和ankle boot（短靴）。 以下函数用于在数字标签索引及其文本名称之间进行转换。

定义两个函数来画数据集

def get_fashion_mnist_labels(labels):  #@save
    """返回Fashion-MNIST数据集的文本标签"""
    #这个数据集有10个类别，关于衣服的数据集
    text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
                   'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
    return [text_labels[int(i)] for i in labels]

我们现在可以创建一个函数来可视化这些样本。 使用matplotlib来画图片 """ 一个窗口中绘制多张图像: Args: images: 可以为一张图像(不要放在列表中)，也可以为一个图像列表 titles: 图像对应标题、 num_cols: 每行最多显示多少张图像 scale: 用于调整图窗大小 normalize: 显示灰度图时是否进行灰度归一化 """

def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  #@save
    """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

构造了pytorch的数据集之后，放进DataLoader里面，指定一个batch_size,就可拿到一个大小为固定数字的批量的数据， iter : next :拿到第一个小批量

以下是训练数据集中前[几个样本的图像及其相应的标签]。 show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y));-- python一个窗口中显示多张图像(matplotlib.pyplot)_欧拉传人的博客-CSDN博客_matplotlib一个窗口画多张图


 

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));

 

读取小批量¶

为了使我们在读取训练集和测试集时更容易，我们使用内置的数据迭代器，而不是从零开始创建。 回顾一下，在每次迭代中，数据加载器每次都会[读取一小批量数据，大小为batch_size]。 通过内置数据迭代器，我们可以随机打乱了所有样本，从而无偏见地读取小批量。

batch_size = 256

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

train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,
                             num_workers=get_dataloader_workers())

我们看一下读取训练数据所需的时间。

timer = d2l.Timer() #测试速度
for X, y in train_iter:
    continue
f'{timer.stop():.2f} sec'

'7.87 sec'

整合所有组件

现在我们[定义load_data_fashion_mnist函数]，用于获取和读取Fashion-MNIST数据集。 这个函数返回训练集和验证集的数据迭代器。 此外，这个函数还接受一个可选参数resize，用来将图像大小调整为另一种形状。

def load_data_fashion_mnist(batch_size, resize=None):  #@save
    """下载Fashion-MNIST数据集，然后将其加载到内存中"""
    trans = [transforms.ToTensor()]
    if resize:       #图片大小28*28，如果图片需要更大的输入，需要resize,使得图片更大；
        trans.insert(0, transforms.Resize(resize))
    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,    #返回两个
                            num_workers=get_dataloader_workers()),
            data.DataLoader(mnist_test, batch_size, shuffle=False,
                            num_workers=get_dataloader_workers()))

下面，我们通过指定resize参数来测试load_data_fashion_mnist函数的图像大小调整功能。

train_iter, test_iter = load_data_fashion_mnist(32, resize=64)
for X, y in train_iter:
    print(X.shape, X.dtype, y.shape, y.dtype)
    break

torch.Size([32, 1, 64, 64]) torch.float32 torch.Size([32]) torch.int64

我们现在已经准备好使用Fashion-MNIST数据集，便于下面的章节调用来评估各种分类算法。

小结

• Fashion-MNIST是一个服装分类数据集，由10个类别的图像组成。我们将在后续章节中使用此数据集来评估各种分类算法。
• 我们将高度ℎh像素，宽度𝑤w像素图像的形状记为ℎ×𝑤h×w或（ℎh,𝑤w）。
• 数据迭代器是获得更高性能的关键组件。依靠实现良好的数据迭代器，利用高性能计算来避免减慢训练过程。