本文介绍了深度学习中数据的重要性，并以FashionMNIST数据集为例，详细阐述了如何使用PyTorch进行数据的提取、转换和加载。内容包括从URL下载数据，将数据转换为张量形式，利用torchvision.transforms进行图像处理，以及通过torch.utils.data.Dataset自定义数据加载。
对于深度学习来说，数据，算法，基础计算硬件是三个非常重要的部分。
在使用数据之前，了解好数据的相关信息是很有必要的。
一般发布一个开源的数据集都可以找到介绍的论文。
这次使用的是FashionMNIST数据集进行学习。
FashionMNIST的创造者是打算代替MNIST数据集，其在保持MNIST的10个类别的情况下使用的是不同种类的衣服来代替手写的数字，从而增加了一定的难度。
准备数据的过程可以分为三个阶段：
E.(extract)从源数据中提取出数据
T.(transform)把数据转换成想要的格式
L.(load)将数据加载进合适的结构当中
pytorch提供了一些包和类来使这三个过程变得简单起来
import torchvision
import torchvision.transforms as transformstorchversion提供了获取一些热门的数据集，模型，图像转换的方法
torchvision.transforms则是包含了一些图像处理的转换接口
使用pytorch准备数据的过程
1.E：从给定的URL处获取Fashion-MNIST的图像数据
2.T：将数据转化为张量的形式
最低0.47元/天 解锁文章
2258
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
