【深度学习】图像分类数据集Fashion-MNIST

今天在手撸深度学习代码的时候，遇到了这个数据集，但是调用的函数的参数和功能不是很明白，因此选择写篇博客总结一下。

一、介绍

Fashion-MNIST是⼀个10类服饰分类数据集。

torchvision 包：它是服务于 PyTorch 深度学习框架的，主要⽤来构建计算机视觉模型。

torchvision 主要由以下几部分构成：

1. torchvision.datasets : ⼀些加载数据的函数及常⽤的数据集接
2. torchvision.models : 包含常⽤的模型结构（含预训练模型），例如AlexNet、VGG、 ResNet等
3. torchvision.transforms : 常⽤的图⽚变换，例如裁剪、旋转等
4. torchvision.utils : 其他的⼀些有⽤的⽅法

二、加载常用的包

import torch
import torchvision
from torch.utils import data
from torchvision import transforms
from d2l import torch as d2l
import matplotlib.pyplot as plt

三、获取数据集

trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(root ='./15.动手学深度学习代码手撸/data', train =True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(root='./15.动手学深度学习代码手撸/data', train=False, transform=trans, download=True)

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。

通过ToTensor实例将图像数据从PLL类型变换成32位浮点数格式，最简单的一个预处理

transform=transforms.ToTensor()

从torchvision中的datasets中将Fashion-MNIST数据集拿到；

root

是目录；

train=True

表示下载的是训练数据集；

download=True

表示确定从网上下载。

上⾯的 mnist_train 和 mnist_test 都是 torch.utils.data.Dataset 的⼦类，所以我们可以⽤ len() 来获取该数据集的大小，还可以⽤下标来获取具体的⼀个样本。

print(len(mnist_train),len(mnist_test))

输出的结果为：

6000010000

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。

我们看一下数据类型：

print(type(mnist_train))

<class'torchvision.datasets.mnist.FashionMNIST'>

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，将高度定为

    h
   
  
  
   h
  
 
h像素，将宽度定为

 
  
   
    w
   
  
  
   w
  
 
w像素，图片的形状记为

 
  
   
    h
   
   
    ×
   
   
    w
   
  
  
   h\times w
  
 
h×w。

print(mnist_train[0][0].shape)

输出为：

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

四、输出训练集中的10个样本的图像内容和文本标签

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。

defget_fashion_mnist_labels(labels):
    test_labels =['t-shirt','trouser','pullover','dress','coat','sandal','shirt','sneaker','bag','ankle boot']return[test_labels[int(i)]for i in labels]

我们现在可以创建一个函数来可视化这些样本。

defshow_images(imgs, num_rows, num_cols, titles =None, scale =1.5):
    figsize =(num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize =(12,8))
    axes = axes.flatten()for i,(ax, img)inenumerate(zip(axes, imgs)):if torch.is_tensor(img):
            ax.imshow(img.numpy())else:
            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

这⾥的_表示我们忽略（不使⽤）的变量。

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))
plt.show()

五、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 =256defget_dataloader_workers():return4

train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers = get_dataloader_workers())
timer = d2l.Timer()for X, y in train_iter:continueprint(f'{timer.stop():.2f} sec')

使用4个进程来读取数据。

我们看一下读取训练数据所需的时间：

1.92 sec