深度学习案例教程 课件4.5.1 FashionMNIST数据集处理

实践任务1我们这里的任务是对10个类别的“时装”图像进行分类，使用FashionMNIST数据集。下图给出了FashionMNIST中数据的若干样例图,如图所示，其中每个小图对应一个样本。FashionMNIST数据集处理实践任务1FashionMNIST数据集处理导入必要的包，代码如下：importos

importnumpyasnp

importpandasaspd

importtorch

importtorch.nnasnn

importtorch.optimasoptim

fromtorch.utils.dataimportDataset,DataLoader实践任务1FashionMNIST数据集处理配置GPU，这里有两种方式，参考代码如下：#1.使用“device”，后续对要使用GPU的变量用.to(device)即可

device=torch.device("cuda:1"iftorch.cuda.is_available()else"cpu")#2.使用os.environ

os.environ['CUDA_VISIBLE_DEVICES']='0'实践任务1FashionMNIST数据集处理配置超参数，代码如下：##配置其他超参数，如batch_size,num_workers,learningrate,以及总的epochs

batch_size=256

num_workers=0#对于Windows用户，这里应设置为0，否则会出现多线程错误

lr=1e-4

epochs=20实践任务1FashionMNIST数据集处理设置数据变换，代码如下：fromtorchvisionimporttransforms

data_transform=transforms.Compose([

transforms.ToTensor(),

transforms.Normalize((0.5,),(0.5,))

])实践任务1FashionMNIST数据集处理读取数据集，代码如下：##使用torchvision自带数据集，下载可能需要一段时间

fromtorchvisionimportdatasets

train_data=datasets.FashionMNIST(root='./data',train=True,download=True,transform=data_transform)

test_data=datasets.FashionMNIST(root='./data',train=False,download=True,transform=data_transform)

train_loader=DataLoader(train_data,batch_size=batch_size,shuffle=True,num_workers=num_workers,drop_last=True)

test_loader=DataLoader(test_data,batch_size=batch_size,shuffle=False,num_workers=num_workers)

实践任务1FashionMNIST数据集处理测试价值的数据信息，显示数据集中的数据，代码如下importmatplotlib.pyplotasplt

image,label=next(iter(train_loader))

print(image.shape,label