图像分类数据集的使用
以fashion_mnist为例
代码:
%matplotlib inline
import torch
import torchvision
from torch.utils import data
from torchvision import transforms
from d2l import torch as d2l
d2l.use_svg_display()
#采用svg格式的图像
1.读取数据集
代码:
trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(
root="../data", train=True, transform=trans, download=True)
#这里,root表示存放数据集的位置,train = True表示这是一个训练数据集
#transforms=trans说明取出数据和要形成一个tensor而不是图片,download=true默认网上下载
mnsit_test = torchvision.datasets.FashionMNIST(
root="../data", train=False, transform=trans, download=True)
#这是测试数据集,用于验证模型好坏
查看数据集大小:
第1个图片形状:
黑白图片,所以第一位为1,长和宽为28
定义两个函数可视化数据集:
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]
上面的函数用于返回标签。
def show_images(imgs, num_rows, num_cols, title=None, scale=1.5):
"""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
上面的函数将图像一幅幅展示。
展示示例;
其中next()表示拿到第一个小批量,iter()用于返回一个迭代器对象。
读取小批量数据:
通过内置的迭代器我们每次可以轻松的读取batch_size个数据为一批次。
代码:
batch_size = 256
def get_dataloader_workers():
"""使用你自己定几个就是几个的进程读取数据"""
return 4
train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,
num_workers=get_dataloader_workers())
查看读取数据所用时间
代码:
timer = d2l.Timer()
for X, y in train_iter:
#一个个扫描给定大小的数据
continue
f'{timer.stop():.2f} sec'
整合所有组件:
代码:
def load_data_fashion_mnist(batch_size, resize=None):
#resize用于修改图片体型
"""下载Fashion-MNIST数据集,然后将其加载到内存中"""
trans = [transforms.ToTensor()]
if resize:
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,
num_workers=get_dataloader_workers()),
data.DataLoader(mnist_test, batch_size, shuffle=False,
num_workers=get_dataloader_workers()))
图片大小改变测试: