Fashion-MNIST数据集¶
Note
Fashion-MNIST是一个替代MNIST的图像分类数据集（因为MNIST太简单了）
它的的大小、格式和训练集/测试集划分与MNIST完全一致：60000/10000的训练测试数据划分，28x28的灰度图片，分成10个类别
我们可以使用torchvision下载并预处理Fashion-MNIST，后面我们会多次使用到这个数据集
加载数据¶
from torch.utils import data
from torchvision import datasets, transforms
#@save
def load_data_fashion_mnist(batch_size, resize=None):
"""加载Fashion-MNIST."""
# 定义transforms，图片肯定要ToTensor，Resize is optional
trans = [transforms.ToTensor()]
if resize:
# 先Resize，再ToTensor
trans.insert(0, transforms.Resize(resize))
trans = transforms.Compose(trans)
# 下载数据，各参数的意思就是你想的那个意思~
train_set = datasets.FashionMNIST(root='../data', train=True, transform=trans, download=True)
test_set = datasets.FashionMNIST(root='../data', train=False, transform=trans, download=True)
# dataset to data_iter
return (data.DataLoader(train_set, batch_size=batch_size, shuffle=True, num_workers=4),
data.DataLoader(test_set, batch_size=batch_size, shuffle=False, num_workers=4))
train_iter, test_iter = load_data_fashion_mnist(batch_size=128)
探索¶
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。
def get_fashion_mnist_labels(labels):
"""label to name"""
text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
return [text_labels[int(i)] for i in labels]
import matplotlib.pyplot as plt
#@save
def show_images(images, num_rows, num_columns, scale=2, titles=None):
"""
展示图片
"""
# 一纸多图
_, axes = plt.subplots(num_rows, num_columns, figsize=(num_columns * scale, num_rows * scale))
axes = axes.flatten()
names = get_fashion_mnist_labels(titles)
# 一个image一个ax
for i, (ax, img) in enumerate(zip(axes, images)):
ax.imshow(img.squeeze(0))
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
if titles is not None:
ax.set_title(names[i])
plt.show()
for X, y in train_iter:
print(X.shape)
print(y.shape)
show_images(X[: 10], num_rows=2, num_columns=5, titles=y[: 10])
break
torch.Size([128, 1, 28, 28])
torch.Size([128])
