# 图像分类数据集

🏷 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 。

	%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]。

	# 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)

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz to ../data/FashionMNIST/raw/train-images-idx3-ubyte.gz
100.0%
Extracting ../data/FashionMNIST/raw/train-images-idx3-ubyte.gz to ../data/FashionMNIST/raw

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz to ../data/FashionMNIST/raw/train-labels-idx1-ubyte.gz
100.0%
Extracting ../data/FashionMNIST/raw/train-labels-idx1-ubyte.gz to ../data/FashionMNIST/raw

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz to ../data/FashionMNIST/raw/t10k-images-idx3-ubyte.gz
100.0%
Extracting ../data/FashionMNIST/raw/t10k-images-idx3-ubyte.gz to ../data/FashionMNIST/raw

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz to ../data/FashionMNIST/raw/t10k-labels-idx1-ubyte.gz
100.0%Extracting ../data/FashionMNIST/raw/t10k-labels-idx1-ubyte.gz to ../data/FashionMNIST/raw

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。

len(mnist_train), 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。
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（ $h$ , $w$ ）。

mnist_train[0][0].shape

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。

	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)))
	show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y));

svg

# 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())

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:
	continue
	f'{timer.stop():.2f} sec'

'2.18 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。

	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。

	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？

Discussions

chapter_linear-networks