《動手學深度學習》-3.5-學習筆記
# 通過ToTensor實例將圖像數據從PIL類型變換成32位浮點數格式，
# 并除以255使得所有像素的數值均在0～1之間
trans = transforms.ToTensor()#用于將圖像數據從 PIL 圖像格式（Python Imaging Library，Python 的圖像處理庫）轉換為 PyTorch 張量（Tensor）。
mnist_train = torchvision.datasets.FashionMNIST(root="../data", train=True, transform=trans, download=True)#加載訓練數據集
mnist_test = torchvision.datasets.FashionMNIST(root="../data", train=False, transform=trans, download=True)#加載測試數據集-
torchvision.datasets.FashionMNIST是 PyTorch 提供的用于加載 FashionMNIST 數據集的類。 -
參數解釋：
-
root="../data"：指定數據集的存儲路徑。如果數據集不存在，PyTorch 會自動下載到這個路徑。 -
train=True：表示加載訓練數據集。 -
transform=trans：指定對圖像數據應用的預處理操作，這里是transforms.ToTensor()，即將圖像轉換為歸一化的張量。 -
download=True：如果指定路徑下沒有數據集，會自動從網絡下載。
- ?了解基礎情況：在 PyTorch 中，
mnist_train是一個torchvision.datasets.FashionMNIST數據集對象，它是一個可迭代的集合，包含了所有訓練樣本的圖像和標簽。mnist_train[3]表示獲取數據集中的第四個樣本（索引從 0 開始），包括第四個樣本的圖像和標簽。 -
image.shape輸出torch.Size([1, 28, 28])，表示圖像是一個張量（Tensor），形狀為：-
1：表示圖像有 1 個通道（灰度圖）。
-
28：圖像的寬度為 28 像素。
-
28：圖像的高度為 28 像素。
-
-
label輸出的是一個整數，表示圖像的類別標簽。FashionMNIST 數據集有 10 個類別，每個類別對應一個整數標簽（從 0 到 9）。
-
-
打印出來看了一下
?def get_fashion_mnist_labels(labels): """返回Fashion-MNIST數據集的文本標簽"""text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat','sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']return [text_labels[int(i)] for i in labels] -
這是一個列表推導式，用于將輸入的整數標簽列表
labels轉換為對應的文本標簽列表。 -
對于
labels中的每個元素i：-
int(i)確保i是整數（雖然通常labels已經是整數，但這里加了保險）。 -
text_labels[int(i)]從text_labels列表中獲取對應的文本標簽。
對text_labels -
列表的索引（從 0 到 9）對應于數據集中的整數標簽。例如：
-
0對應't-shirt' -
1對應'trouser' -
9對應'ankle boot'
下面這段 僅僅是 使用這個函數，應用場景 -
-
-
-
def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5): """繪制圖像列表"""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):# 圖片張量ax.imshow(img.numpy())else:# PIL圖片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?show_images 是一個用于批量顯示圖像的工具函數，
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));從 FashionMNIST 數據集中加載一批圖像，使用 show_images 函數將圖像以 2 行 9 列的網格形式顯示，并為每張圖像添加文本標簽。
?
創建Dataloader
batch_size = 256def get_dataloader_workers(): """使用4個進程來讀取數據"""return 4train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,num_workers=get_dataloader_workers())def load_data_fashion_mnist(batch_size, resize=None): """下載Fashion-MNIST數據集"""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()))用于下載并加載 FashionMNIST 數據集，并將其轉換為適合訓練和測試的 DataLoader 對象。
)
