图像分类数据集(线性神经网络，需结合从零实现softmax回归一起学习)

图像分类数据集

导入必要的类包。

import torch
import torchvision
from torch.utils import data
#torchvision是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。
#torchvision.transforms主要是用于常见的一些图形变换。
from torchvision import transforms
from d2l import torch as d2l


d2l.use_svg_display()                                 #使用svg格式在Jupyter中显示绘图。

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。

注意远程下载这些数据集时，需要注意两个方面。

• 1.需要使用vpn进行远程服务器下载
• 2.如果使用的jupyter notebook下载一直失败(主机中断连接)，此时换用pycharm进行下载即可。

# 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
trans = transforms.ToTensor()                        #和tansforms.ToPILImage()对照，实现pil与tensor数据类型的互相转换

#下载训练集数据和测试集数据
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)

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，将高度像素 $h$ 、宽度像素 $w$ 图像的形状记为 $h\times w$ 或$（h,w）$。

mnist_train[0][0].shape                           #训练集的形状

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

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。

#通过索引列表获取文本标签
def get_fashion_mnist_labels(labels):    #@save
    """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]                   #返回一个标签列表

get_fashion_mnist_labels(range(10))                                 #输出调用函数获取的标签列表s

['t-shirt',
 'trouser',
 'pullover',
 'dress',
 'coat',
 'sandal',
 'shirt',
 'sneaker',
 'bag',
 'ankle boot']

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)                         #定义行长、列长
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)        #设置绘图板的子图个数
    axes = axes.flatten()
    for i, (ax, img) in enumerate(zip(axes, imgs)):
        if torch.is_tensor(img):                                          #张量形式的图片
            # 图片张量
            ax.imshow(img.numpy())
        else:
            # PIL图片                                                     #PIL类型的图片
            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

以下是训练数据集中前几个样本的图像及其相应的标签。

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))

array([<AxesSubplot:title={'center':'ankle boot'}>,
       <AxesSubplot:title={'center':'t-shirt'}>,
       <AxesSubplot:title={'center':'t-shirt'}>,
       <AxesSubplot:title={'center':'dress'}>,
       <AxesSubplot:title={'center':'t-shirt'}>,
       <AxesSubplot:title={'center':'pullover'}>,
       <AxesSubplot:title={'center':'sneaker'}>,
       <AxesSubplot:title={'center':'pullover'}>,
       <AxesSubplot:title={'center':'sandal'}>,
       <AxesSubplot:title={'center':'sandal'}>,
       <AxesSubplot:title={'center':'t-shirt'}>,
       <AxesSubplot:title={'center':'ankle boot'}>,
       <AxesSubplot:title={'center':'sandal'}>,
       <AxesSubplot:title={'center':'sandal'}>,
       <AxesSubplot:title={'center':'sneaker'}>,
       <AxesSubplot:title={'center':'ankle boot'}>,
       <AxesSubplot:title={'center':'trouser'}>,
       <AxesSubplot:title={'center':'t-shirt'}>], dtype=object)

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

#多线程工作，此时的线程数量为4个
def get_dataloader_workers():
    """使用4个进程来读取数据"""
    return 4

#小批量数据迭代器, 打乱数据集
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()

#遍历所有的训练集数据
for X, y in train_iter:
    continue

#打印所需要的时间
f'{timer.stop():.2f} sec'

'5.23 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。

#返回训练集与测试集的数据迭代器
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:
        trans.insert(0, transforms.Resize(resize))
    
    #将PIL图片格式转化为tensor数据类型
    trans = transforms.Compose(trans)
    
    #加载训练集和测试集数据
    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)
    
    #返回训练集与测试集的数据迭代器
    return (data.DataLoader(mnist_train, batch_size, shuffle=True,
                            num_workers=get_dataloader_workers()),
             data.DataLoader(mnist_test, batch_size, shuffle=True,
                            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。

我们将高度像素 $h$ ，宽度像素图像的形状记为 $h\times w$ 或 $（h,w）$ 。

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。