在 pytorch 中加载和使用图像分类数据集 Fashion-MNIST

• 参考：《动手学深度学习》（Pytorch）版 3.5 节
• 注：本文是 jupyter notebook 文档转换而来，部分代码可能无法直接复制运行！

---

• 图像分类数据集中最常用的是手写数字识别数据集MNIST，但大部分模型在MNIST上的分类精度都超过了95%，为了更直观地观察算法之间的差异，本文介绍一个图像内容更加复杂的数据集 Fashion-MNIST，这个数据集难度比 MNIST 高，但是尺寸并不大，只有几十M，没有GPU的电脑也能吃得消
• 该数据集可以利用 torchvision 包来下载和处理，该包包含以下几个核心模块
  1. torchvision.datasets: 提供加载数据的函数及常用数据集接口；
  2. torchvision.models: 包含常用的模型结构（含预训练模型），如 AlexNet、VGG、ResNet 等；
  3. torchvision.transforms: 提供常用的图片变换方法，例如裁剪、旋转等；
  4. torchvision.utils: 提供其他的一些有用的方法
• 开始介绍前，先导入包

  import torch
  import torchvision
  import torchvision.transforms as transforms
  import matplotlib.pyplot as plt
  import time
  import numpy as np
  from IPython import display
  

1. 获取数据集

• 通过 torchvision.datasets.FashionMNIST 方法获取数据集

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

  参数说明

  1. root 参数指定数据集保存路径

  2. train 参数指定获取训练集还是测试集

  3. download 参数若设置为 True，则在发现 root 路径下没有数据集时自动从网上下载，若已有数据集则不动作

  4. transform = transforms.ToTensor() 使所有数据转换为 Tensor，如果不转换则返回的是 PIL 图片

     transforms.ToTensor() 将 “尺寸为 $H\times W\times C$ 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 $C\times H\times W$ 且数据类型为 torch.float32 且位于 [0.0, 1.0] 的Tensor”

     注意 transforms.ToTensor() 在内的一些关于图片的函数默认输入为 uint8 类型，如果不是则可能得到不想要的结果，所以如果用 $[0,255]$ 的像素值表示图片数据，则一律将其类型设置为 uint8，以免不必要的bug

• 这里加载的 mnist_train 和 mnist_test 都是 torch.utils.data.Dataset 的子类，一些常用方法如下

  print(type(mnist_train))
  print(len(mnist_train), len(mnist_test)) # 用 len() 获取该数据集的大小
  
  feature, label = mnist_train[0]          # 通过下标来访问任意样本
  print(feature.shape, label)              # [Channel , Height , Width] label，注意由于数据集中都是灰度图，通道数为 1
  
  '''
  torchvision.datasets.mnist.FashionMNIST
  60000 10000
  torch.Size([1, 28, 28]) 9
  '''
  

• Fashion-MNIST中一共包括了10个类别，分别为

  1. t-shirt（T恤）
  2. trouser（裤子）
  3. pullover（套衫）
  4. dress（连衣裙）
  5. coat（外套）
  6. sandal（凉鞋）
  7. shirt（衬衫）
  8. sneaker（运动鞋）
  9. bag（包）
  10. ankle boot（短靴）

  使用以下函数将数值标签列表转成相应的文本标签列表

  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]
  

• 使用以下函数在一行里绘制多个图像和对应的标签

  def show_fashion_mnist(images, labels):
      display.set_matplotlib_formats('svg')  # Use svg format to display plot in jupyter
      
      _, 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()
  

• 随机显示 10 个样本

  X, y = [], []
  for i in np.random.randint(0,60000,size = 10).tolist():
      X.append(mnist_train[i][0])
      y.append(mnist_train[i][1])
  show_fashion_mnist(X, get_fashion_mnist_labels(y))
  

  这里我遇到一个报错，请参考 ‘OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program’，我删除了虚拟环境中的 libiomp5md.dll 解决此问题

2. 读取小批量

• 在实践中，数据读取经常是训练的性能瓶颈，torch.utils 模块提供的 DataLoader 方法允许我们方便地使用多进程来加速数据读取

• mnist_train 是 torch.utils.data.Dataset 的子类，所以我们可以将其传入 torch.utils.data.DataLoader 来创建一个读取小批量数据样本的DataLoader 实例，在创建时

  1. 通过参数 num_workers 来指定读取数据的进程数量
  2. 通过 shuffle 参数指定读取时是否打乱

  batch_size = 256
  if sys.platform.startswith('win'): # 判断操作系统为 windows
      num_workers = 4 # 使用 4 个进程同时读取
  else:
      num_workers = 0 # 0表示不用额外的进程来加速读取数据
  
  train_iter = torch.utils.data.DataLoader(mnist_train, batch_size=batch_size, shuffle=True, num_workers=num_workers)
  test_iter = torch.utils.data.DataLoader(mnist_test, batch_size=batch_size, shuffle=False, num_workers=num_workers)
  

• 查看读取一遍数据的耗时

  start = time.time()
  for X, y in train_iter:
      continue
  print('%.2f sec' % (time.time() - start))
  

  经测试，我的笔记本电脑在不使用多进程加速时耗时 5.88s，使用后减少到 3.18s