Author:baiyucraft
BLog: baiyucraft’s Home
原文:《动手学深度学习》
线性神经网络:
在进行下一个模型的介绍前,继续介绍一下如何处理数据集,也就是下一个模型需要使用的数据集:
目前广泛使用的图像分类数据集之一是 MNIST 数据集。虽然它是很不错的基准数据集,但按今天的标准,即使是简单的模型也能达到95%以上的分类准确率,因此不适合区分强模型和弱模型。如今,MNIST更像是一个健全检查,而不是一个基准。 为了提高难度,我们将在接下来的章节中讨论在2017年发布的性质相似但相对复杂的Fashion-MNIST数据集。
import torch
import torchvision
from torch.utils import data
from torchvision import transforms
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。
Fashion-MNIST 由 10 个类别的图像组成,每个类别由训练数据集中的 6000 张图像和测试数据集中的 1000 张图像组成。所以训练集和测试集分别包含 60000 和 10000 张图像,通过len()
可以查看。
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,在这本书中,我们将高度 h h h 像素,宽度 w w w 像素图像的形状记为 h × w h \times w h×w 或 ( h , w ) (h, w) (h,w)。
# 读取数据集
# 定义转换方式
# 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()
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)
print('训练集数据数:', len(mnist_train))
print('测试集集数据数:', len(mnist_test))
# 第一个[0]表示第一张图片,第二个[0]表示图片,[1]的话表示标签
print('图片形状为:', mnist_train[0][0].shape)
运行结果:
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)。
定义get_fashion_mnist_labels()
函数用于在数字标签索引及其文本名称之间进行转换,然后创建show_images()
函数来可视化这些样本。
def get_fashion_mnist_labels(labels):
"""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]
def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):
"""Plot a list of images."""
# 图片大小
figsize = (num_cols * scale, num_rows * scale)
# num_rows行,num_cols列的子图
_, axes = plt.subplots(num_rows, num_cols, figsize=figsize)
# flatten()使axes方便迭代
axes = axes.flatten()
for i, (ax, img) in enumerate(zip(axes, imgs)):
if torch.is_tensor(img):
# 图片张量
ax.imshow(img.numpy())
else:
# PIL图片
ax.imshow(img)
# 不显示x轴与y轴
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
# 标题
if titles:
ax.set_title(titles[i])
plt.show()
以下是训练数据集中前几个样本的图像及其相应的标签(文本形式)。
# 看点图片
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))
运行结果:
我们使用内置的数据迭代器来小批量读取数据,并可以看看读取时间:
def get_dataloader_workers():
"""使用4个进程来读取数据。"""
return 4
# 读取小批量
batch_size = 256
train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers=get_dataloader_workers())
timer = Timer()
for X, y in train_iter:
continue
print(f'{timer.stop():.2f} sec')
运行结果:
现在我们定义 load_data_fashion_mnist
函数,用于获取和读取Fashion-MNIST数据集。它返回训练集和验证集的数据迭代器。此外,它还接受一个可选参数,用来将图像大小调整为另一种形状。
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。"""
# 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()]
if resize:
trans.insert(0, transforms.Resize(resize))
# 合并多个transform
trans = transforms.Compose(trans)
# 读取数据
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)
return (data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers=get_dataloader_workers()),
data.DataLoader(mnist_test, batch_size, shuffle=False, num_workers=get_dataloader_workers()))
我们可以通过指定resize
参数来测试load_data_fashion_mnist
函数的图像大小调整功能
# 图片大小
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
运行结果:
我们现在已经准备好在之后使用Fashion-MNIST数据集。