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。

```{.python .input} %matplotlib inline from d2l import mxnet as d2l from mxnet import gluon import sys

d2l.use_svg_display()

  2. ```{.python .input}
  3. #@tab pytorch
  4. %matplotlib inline
  5. from d2l import torch as d2l
  6. import torch
  7. import torchvision
  8. from torchvision import transforms
  9. from torch.utils import data
  11. d2l.use_svg_display()

```{.python .input}

@tab tensorflow

%matplotlib inline from d2l import tensorflow as d2l import tensorflow as tf

d2l.use_svg_display()

  2. ## 读取数据集
  4. 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**]。
  6. ```{.python .input}
  7. mnist_train = gluon.data.vision.FashionMNIST(train=True)
  8. mnist_test = gluon.data.vision.FashionMNIST(train=False)

```{.python .input}

@tab pytorch

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到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)

  2. ```{.python .input}
  3. #@tab tensorflow
  4. mnist_train, mnist_test = tf.keras.datasets.fashion_mnist.load_data()

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。

```{.python .input}

@tab mxnet, pytorch

len(mnist_train), len(mnist_test)

  2. ```{.python .input}
  3. #@tab tensorflow
  4. len(mnist_train[0]), len(mnist_test[0])

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（$h$,$w$）。

```{.python .input}

@tab all

mnist_train[0][0].shape

  2. [~~两个可视化数据集的函数~~]
  4. 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）。
  5. 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。
  7. ```{.python .input}
  8. #@tab all
  9. def get_fashion_mnist_labels(labels):  #@save
  10.     """返回Fashion-MNIST数据集的文本标签"""
  11.     text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
  12.                    'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
  13.     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。

```{.python .input}

@tab mxnet, tensorflow

def showimages(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)): ax.imshow(d2l.numpy(img)) ax.axes.get_xaxis().set_visible(False) ax.axes.get_yaxis().set_visible(False) if titles: ax.set_title(titles[i]) return axes

  2. ```{.python .input}
  3. #@tab pytorch
  4. def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):  #@save
  5.     """绘制图像列表"""
  6.     figsize = (num_cols * scale, num_rows * scale)
  7.     _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
  8.     axes = axes.flatten()
  9.     for i, (ax, img) in enumerate(zip(axes, imgs)):
  10.         if torch.is_tensor(img):
  11.             # 图片张量
  12.             ax.imshow(img.numpy())
  13.         else:
  14.             # PIL图片
  15.             ax.imshow(img)
  16.         ax.axes.get_xaxis().set_visible(False)
  17.         ax.axes.get_yaxis().set_visible(False)
  18.         if titles:
  19.             ax.set_title(titles[i])
  20.     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]。

```{.python .input} X, y = mnist_train[:18]

print(X.shape) show_images(X.squeeze(axis=-1), 2, 9, titles=get_fashion_mnist_labels(y));

  2. ```{.python .input}
  3. #@tab pytorch
  4. X, y = next(iter(data.DataLoader(mnist_train, batch_size=18)))
  5. show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y));

```{.python .input}

@tab tensorflow

X = tf.constant(mnist_train[0][:18]) y = tf.constant(mnist_train[1][:18]) show_images(X, 2, 9, titles=get_fashion_mnist_labels(y));

  2. ## 读取小批量
  4. 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。
  5. 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`**]。
  6. 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。
  8. ```{.python .input}
  9. batch_size = 256
  11. def get_dataloader_workers():  #@save
  12.     """在非Windows的平台上，使用4个进程来读取数据"""
  13.     return 0 if sys.platform.startswith('win') else 4
  15. # 通过ToTensor实例将图像数据从uint8格式变换成32位浮点数格式，并除以255使得所有像素的数值
  16. # 均在0到1之间
  17. transformer = gluon.data.vision.transforms.ToTensor()
  18. train_iter = gluon.data.DataLoader(mnist_train.transform_first(transformer),
  19.                                    batch_size, shuffle=True,
  20.                                    num_workers=get_dataloader_workers())

```{.python .input}

@tab pytorch

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())

  2. ```{.python .input}
  3. #@tab tensorflow
  4. batch_size = 256
  5. train_iter = tf.data.Dataset.from_tensor_slices(
  6.     mnist_train).batch(batch_size).shuffle(len(mnist_train[0]))

我们看一下读取训练数据所需的时间。

```{.python .input}

@tab all

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

  2. ## 整合所有组件
  4. 现在我们[**定义`load_data_fashion_mnist`函数**]，用于获取和读取Fashion-MNIST数据集。
  5. 这个函数返回训练集和验证集的数据迭代器。
  6. 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。
  8. ```{.python .input}
  9. def load_data_fashion_mnist(batch_size, resize=None):  #@save
  10.     """下载Fashion-MNIST数据集，然后将其加载到内存中"""
  11.     dataset = gluon.data.vision
  12.     trans = [dataset.transforms.ToTensor()]
  13.     if resize:
  14.         trans.insert(0, dataset.transforms.Resize(resize))
  15.     trans = dataset.transforms.Compose(trans)
  16.     mnist_train = dataset.FashionMNIST(train=True).transform_first(trans)
  17.     mnist_test = dataset.FashionMNIST(train=False).transform_first(trans)
  18.     return (gluon.data.DataLoader(mnist_train, batch_size, shuffle=True,
  19.                                   num_workers=get_dataloader_workers()),
  20.             gluon.data.DataLoader(mnist_test, batch_size, shuffle=False,
  21.                                   num_workers=get_dataloader_workers()))

```{.python .input}

@tab pytorch

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()))

  2. ```{.python .input}
  3. #@tab tensorflow
  4. def load_data_fashion_mnist(batch_size, resize=None):   #@save
  5.     """下载Fashion-MNIST数据集，然后将其加载到内存中"""
  6.     mnist_train, mnist_test = tf.keras.datasets.fashion_mnist.load_data()
  7.     # 将所有数字除以255，使所有像素值介于0和1之间，在最后添加一个批处理维度，
  8.     # 并将标签转换为int32。
  9.     process = lambda X, y: (tf.expand_dims(X, axis=3) / 255,
  10.                             tf.cast(y, dtype='int32'))
  11.     resize_fn = lambda X, y: (
  12.         tf.image.resize_with_pad(X, resize, resize) if resize else X, y)
  13.     return (
  14.         tf.data.Dataset.from_tensor_slices(process(*mnist_train)).batch(
  15.             batch_size).shuffle(len(mnist_train[0])).map(resize_fn),
  16.         tf.data.Dataset.from_tensor_slices(process(*mnist_test)).batch(
  17.             batch_size).map(resize_fn))

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。

```{.python .input}

@tab all

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 ```

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

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

:begin_tab:mxnet Discussions :end_tab:

:begin_tab:pytorch Discussions :end_tab:

:begin_tab:tensorflow Discussions :end_tab: