深度学习 10.图像分类数据集

Author：baiyucraft

BLog： baiyucraft’s Home

原文：《动手学深度学习》

---

  线性神经网络：

• 深度学习 6.线性回归概述
• 深度学习 7.线性回归的从零开始实现
• 深度学习 8.线性回归的简洁实现
• 深度学习 9.损失函数

  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

1.读取数据集

  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 $h$ 像素，宽度 $w$ 像素图像的形状记为 $h\times w$ 或 $(h,w)$。

# 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：

2.读取小批量

  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：

3.整合组件

  现在我们定义 load_data_fashion_mnist 函数，用于获取和读取Fashion-MNIST数据集。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。