【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
1
2
3
4
5
6

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)
1
2
3

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))
1

输出的结果为：

60000 10000
1

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))
1

<class 'torchvision.datasets.mnist.FashionMNIST'>
1

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$h$像素，将宽度定为$w$像素，图片的形状记为$h\times w$。

print(mnist_train[0][0].shape)
1

输出为：

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

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。

def get_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]
1
2
3

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):
    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) in enumerate(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
1
2
3
4
5
6
7
8
9
10
11
12
13
14

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()
1
2
3

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 = 256
def get_dataloader_workers():
    return 4

train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True, num_workers = get_dataloader_workers())
timer = d2l.Timer()
for X, y in train_iter:
    continue
print(f'{timer.stop():.2f} sec')
1
2
3
4
5
6
7
8
9

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
1