深度学习——线性神经网络（五、图像分类数据集——Fashion-MNIST数据集）

import torch
import torchvision
from torch.utils import data
from torchvision import transforms
from d2l import torch as d2l

# 这个函数的目的是设置图形显示格式为SVG（Scalable Vector Graphics），
# 这是一种基于矢量的图形格式，可以清晰地缩放而不失真。
d2l.use_svg_display()

5.1 读取数据集

  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。

# 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)
mnist_test = torchvision.datasets.FashionMNIST(
    root="../data", train=False, transform=trans,download=True)

  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。因此，训练集和测试集分别总共包含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。

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

60000
10000

  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.

  在图像处理和计算机视觉中，“通道”一词常用来描述图像中颜色信息的存储方式。每个通道代表图像中一种颜色的成分，不同的颜色模式会有不用的通道数。
  灰度图像的通道数为1，在灰度图像中，每个像素只有一个强度值，表示黑白之间的不同灰度级别，不包含颜色信息。

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

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

  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):
    """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]

  现在创建一个可视化函数来查看样本。

def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):
    """
    创建一个函数来可视化这些样本，绘制图像列表，目的是在一张图中显示多个图像。imgs是要显示的图像列表，
    num_rows是创建的子图的行数，num_cols是创建的子图的列数，该子图没有设置标题，调整子图大小的缩放因子默认为1.5
    """
    figsize = (num_cols * scale, num_rows * scale) # 计算整个子图的尺寸，基于子图的行数和列数以及缩放因子来决定
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize) # figsize 参数设置了整个图形的大小
    axes = axes.flatten() # 将子图网格展平为一维数组，方便后续遍历
    for i, (ax, img) in enumerate(zip(axes, imgs)):
        """
        使用enumerate函数和zip函数来迭代两个列表：axes和imgs。这个循环将同时遍历这两个列表，并将它们对应的元素组合在一起，然后进行处理。
        其中enumerate函数用于跟踪循环的当前迭代次数（即索引i），并返回每个元素及其索引。
        """
        if torch.is_tensor(img):
            # 图片张量
            ax.imshow(img.numpy())
        else:
            # PIL图片
            ax.imshow(img)

        # 子图中隐藏坐标轴。具体来说，它们分别隐藏了x轴和y轴
        ax.axes.get_xaxis().set_visible(False)
        ax.axes.get_yaxis().set_visible(False)
        if titles:
            ax.set_title(titles[i]) # 用来给每个子图设置标题


    plt.show()
    plt.savefig('class')
    return axes

X, y = next(iter(data.DataLoader(mnist_train, batch_size=18))) # 用于拿到第一个小批量，批量大小为18
show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y))

5.2 读取小批量

  为了使我们在读取训练集和测试集时更容易，使用内置的数据迭代器，而不是从开始创建。在每次迭代中，数据加载器都会读取一小批量数据，大小为batch_size，通过内置的数据迭代器，我们可以随机打乱所有样本，从而无偏见地读取小批量。

batch_size = 256 # 设置批量大小


def get_dataloader_workers():
    """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())

# 看一下读取训练数据所需的时间
timer = d2l.Timer()
for X, y in train_iter:
    continue
print(f'{timer.stop():.2f} sec')

2.36 sec

  下面设置了不同的进程数所需的时间。设置的8个进程数读取小批量所需的时间比较少。

5.3 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()))

  我们通过指定resize参数来测试load_data_fashion_mnist函数的图像大小调整功能。

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

torch.Size([32, 1, 64, 64]) torch.float32 torch.Size([32]) torch.int64

   小结：
  数据迭代器是获得更高性能的关键组件。依靠实现良好的数据迭代器，利用高性能计算来避免减慢训练过程的可能性。