图像分类数据集¶

:label:sec_fashion_mnist

(MNIST数据集) :cite:LeCun.Bottou.Bengio.ea.1998 (是图像分类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) :cite:Xiao.Rasul.Vollgraf.2017。

In [1]:

%matplotlib inline
        import torch
        import torchvision
        from torch.utils import data
        from torchvision import transforms
        from d2l import torch as d2l
        
        d2l.use_svg_display()

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]。

In [2]:

# 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（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。

In [3]:

len(mnist_train), len(mnist_test)

Out[3]:

(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。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$h \times w$或（$h$,$w$）。

In [4]:

mnist_train[0][0].shape

Out[4]:

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

[~~两个可视化数据集的函数~~]

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。

In [5]:

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。

In [6]:

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]。

In [7]:

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));

No description has been provided for this image

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。

In [8]:

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())

我们看一下读取训练数据所需的时间。

In [9]:

timer = d2l.Timer()
        for X, y in train_iter:
            continue
        f'{timer.stop():.2f} sec'

Out[9]:

'3.37 sec'

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。

In [10]:

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()))

下面，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。

In [11]:

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

我们现在已经准备好使用Fashion-MNIST数据集，便于下面的章节调用来评估各种分类算法。

小结¶

Fashion-MNIST是一个服装分类数据集，由10个类别的图像组成。我们将在后续章节中使用此数据集来评估各种分类算法。
我们将高度$h$像素，宽度$w$像素图像的形状记为$h \times w$或（$h$,$w$）。
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。

练习¶

减少batch_size（如减少到1）是否会影响读取性能？
数据迭代器的性能非常重要。当前的实现足够快吗？探索各种选择来改进它。
查阅框架的在线API文档。还有哪些其他数据集可用？