2-3 图像分类数据集

MNIST数据集是图像分类任务中广泛使用的数据集之一，但作为基准数据集过于简单，我们将使用类似但更复杂的Fashion-MNIST数据集。

%matplotlib inline
import torch
import torchvision  # pytorch模型关于计算机视觉模型实现的一个库
from torch.utils import data  # 方便读取数据
from torchvision import transforms
from d2l import torch as d2l

d2l.use_svg_display() # 用svg格式来显示我们的图片

读取数据集

通过框架中的内置函数将Fashion-MINST数据集下载并读取到内存中

# 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0～1之间
trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(
    root="../data", train=True, transform=trans, download=True)
    # train=True 表示我们下载的是训练数据集
    # transform=trans 表示我们拿到数据之后，得到的是pytorch的tensor，而不是一堆图片
    # download=True 表示我们默认从网上下载（如果不想在网上下，可以先在网上下好，存在"../data"目录下，然后不指定download=True）
mnist_test = torchvision.datasets.FashionMNIST(
    root="../data", train=False, transform=trans, download=True)
    # 测试数据集不参与训练，用来验证我们训练的好坏
len(mnist_train), len(mnist_test)

在这里插入图片描述
mnist_train有6万张图片，mnist_test有1万张图片。
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。

mnist_train[0][0].shape # 第一维表示第0个example，第二维表示图片的标号
# 展示第一张图片的形状

在这里插入图片描述
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，本书将高度 $h$ 像素、宽度 $w$ 像素图像的形状记为 $\times w$ 或 $(h, w)$

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):  #@save
    """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]

我们现在可以创建一个函数来可视化这些样本。

def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  #@save
    """绘制图像列表"""
    figsize = (num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
    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)
        ax.axes.get_xaxis().set_visible(False)
        ax.axes.get_yaxis().set_visible(False)
        if titles:
            ax.set_title(titles[i])
    return axes

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)))
# 我们在构建了一个pytorch数据集之后，可以放进一个dataloader里面，然后指定一个batch_size，就可以拿到一个大小为固定数字一个批量的数据。
# next 就是拿到第一个小批量
show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y));
# 画两行，每一行有9张图片，最后每张图片的标号等于从刚才定义的第一个函数里面取得，y是一个数值的标号，我们通过刚才那个函数获得字符串

在这里插入图片描述

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 = 256

def get_dataloader_workers():  #@save
    """使用4个进程来读取数据"""
    return 4

train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,
                             num_workers=get_dataloader_workers())
# shuffle=True 随机打乱顺序
#  num_workers=get_dataloader_workers()) 需要多少进程，这里是4个进程

我们看一下读取训练数据所需的时间。

timer = d2l.Timer()
for X, y in train_iter:  # 一个一个访问所有的batch
    continue
f'{timer.stop():.2f} sec'

在这里插入图片描述
可知，我们读一次完整数据的时间是1.36秒。
一般读取数据的速度要比训练数据的速度要快。

整合所有组件

现在我们定义load_data_fashion_mnist函数，用于获取和读取Fashion-MNIST数据集。这个函数返回训练集和验证集的数据迭代器。此外，这个函数还接受一个可选参数resize，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"""
    trans = [transforms.ToTensor()]
    if resize:
        trans.insert(0, transforms.Resize(resize))
    trans = transforms.Compose(trans)
    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()))
    # 返回两个dataloader，一个train，一个test