|
|
# 3.5 图像分类数据集（Fashion-MNIST）
|
|
|
|
|
|
在介绍softmax回归的实现前我们先引入一个多类图像分类数据集。它将在后面的章节中被多次使用，以方便我们观察比较算法之间在模型精度和计算效率上的区别。图像分类数据集中最常用的是手写数字识别数据集MNIST[1]。但大部分模型在MNIST上的分类精度都超过了95%。为了更直观地观察算法之间的差异，我们将使用一个图像内容更加复杂的数据集Fashion-MNIST[2]（这个数据集也比较小，只有几十M，没有GPU的电脑也能吃得消）。
|
|
|
|
|
|
本节我们将使用torchvision包，它是服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision主要由以下几部分构成：
|
|
|
1. `torchvision.datasets`: 一些加载数据的函数及常用的数据集接口；
|
|
|
2. `torchvision.models`: 包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；
|
|
|
3. `torchvision.transforms`: 常用的图片变换，例如裁剪、旋转等；
|
|
|
4. `torchvision.utils`: 其他的一些有用的方法。
|
|
|
|
|
|
## 3.5.1 获取数据集
|
|
|
|
|
|
首先导入本节需要的包或模块。
|
|
|
|
|
|
``` python
|
|
|
import torch
|
|
|
import torchvision
|
|
|
import torchvision.transforms as transforms
|
|
|
import matplotlib.pyplot as plt
|
|
|
import time
|
|
|
import sys
|
|
|
sys.path.append("..") # 为了导入上层目录的d2lzh_pytorch
|
|
|
import d2lzh_pytorch as d2l
|
|
|
```
|
|
|
|
|
|
下面，我们通过torchvision的`torchvision.datasets`来下载这个数据集。第一次调用时会自动从网上获取数据。我们通过参数`train`来指定获取训练数据集或测试数据集（testing data set）。测试数据集也叫测试集（testing set），只用来评价模型的表现，并不用来训练模型。
|
|
|
|
|
|
另外我们还指定了参数`transform = transforms.ToTensor()`使所有数据转换为`Tensor`，如果不进行转换则返回的是PIL图片。`transforms.ToTensor()`将尺寸为 (H x W x C) 且数据位于[0, 255]的PIL图片或者数据类型为`np.uint8`的NumPy数组转换为尺寸为(C x H x W)且数据类型为`torch.float32`且位于[0.0, 1.0]的`Tensor`。
|
|
|
> 注意： 由于像素值为0到255的整数，所以刚好是uint8所能表示的范围，包括`transforms.ToTensor()`在内的一些关于图片的函数就默认输入的是uint8型，若不是，可能不会报错但可能得不到想要的结果。所以，**如果用像素值(0-255整数)表示图片数据，那么一律将其类型设置成uint8，避免不必要的bug。** 本人就被这点坑过，详见[我的这个博客2.2.4节](https://tangshusen.me/2018/12/05/kaggle-doodle-reco/)。
|
|
|
|
|
|
``` python
|
|
|
mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transforms.ToTensor())
|
|
|
mnist_test = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=False, download=True, transform=transforms.ToTensor())
|
|
|
```
|
|
|
上面的`mnist_train`和`mnist_test`都是[`torch.utils.data.Dataset`](https://pytorch.org/docs/stable/data.html)的子类，所以我们可以用`len()`来获取该数据集的大小，还可以用下标来获取具体的一个样本。训练集中和测试集中的每个类别的图像数分别为6,000和1,000。因为有10个类别，所以训练集和测试集的样本数分别为60,000和10,000。
|
|
|
|
|
|
``` python
|
|
|
print(type(mnist_train))
|
|
|
print(len(mnist_train), len(mnist_test))
|
|
|
```
|
|
|
输出：
|
|
|
```
|
|
|
<class 'torchvision.datasets.mnist.FashionMNIST'>
|
|
|
60000 10000
|
|
|
```
|
|
|
|
|
|
我们可以通过下标来访问任意一个样本:
|
|
|
``` python
|
|
|
feature, label = mnist_train[0]
|
|
|
print(feature.shape, label) # Channel x Height x Width
|
|
|
```
|
|
|
输出：
|
|
|
```
|
|
|
torch.Size([1, 28, 28]) tensor(9)
|
|
|
```
|
|
|
|
|
|
变量`feature`对应高和宽均为28像素的图像。由于我们使用了`transforms.ToTensor()`，所以每个像素的数值为[0.0, 1.0]的32位浮点数。需要注意的是，`feature`的尺寸是 (C x H x W) 的，而不是 (H x W x C)。第一维是通道数，因为数据集中是灰度图像，所以通道数为1。后面两维分别是图像的高和宽。
|
|
|
|
|
|
|
|
|
Fashion-MNIST中一共包括了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）。以下函数可以将数值标签转成相应的文本标签。
|
|
|
|
|
|
``` python
|
|
|
# 本函数已保存在d2lzh包中方便以后使用
|
|
|
def get_fashion_mnist_labels(labels):
|
|
|
text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
|
|
|
'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
|
|
|
return [text_labels[int(i)] for i in labels]
|
|
|
```
|
|
|
|
|
|
下面定义一个可以在一行里画出多张图像和对应标签的函数。
|
|
|
|
|
|
``` python
|
|
|
# 本函数已保存在d2lzh包中方便以后使用
|
|
|
def show_fashion_mnist(images, labels):
|
|
|
d2l.use_svg_display()
|
|
|
# 这里的_表示我们忽略（不使用）的变量
|
|
|
_, figs = plt.subplots(1, len(images), figsize=(12, 12))
|
|
|
for f, img, lbl in zip(figs, images, labels):
|
|
|
f.imshow(img.view((28, 28)).numpy())
|
|
|
f.set_title(lbl)
|
|
|
f.axes.get_xaxis().set_visible(False)
|
|
|
f.axes.get_yaxis().set_visible(False)
|
|
|
plt.show()
|
|
|
```
|
|
|
|
|
|
现在，我们看一下训练数据集中前10个样本的图像内容和文本标签。
|
|
|
|
|
|
``` python
|
|
|
X, y = [], []
|
|
|
for i in range(10):
|
|
|
X.append(mnist_train[i][0])
|
|
|
y.append(mnist_train[i][1])
|
|
|
show_fashion_mnist(X, get_fashion_mnist_labels(y))
|
|
|
```
|
|
|
|
|
|
<div align=center>
|
|
|
<img width="800" src="../img/chapter03/3.5_output1.png"/>
|
|
|
</div>
|
|
|
|
|
|
## 3.5.2 读取小批量
|
|
|
|
|
|
我们将在训练数据集上训练模型，并将训练好的模型在测试数据集上评价模型的表现。前面说过，`mnist_train`是`torch.utils.data.Dataset`的子类，所以我们可以将其传入`torch.utils.data.DataLoader`来创建一个读取小批量数据样本的DataLoader实例。
|
|
|
|
|
|
在实践中，数据读取经常是训练的性能瓶颈，特别当模型较简单或者计算硬件性能较高时。PyTorch的`DataLoader`中一个很方便的功能是允许使用多进程来加速数据读取。这里我们通过参数`num_workers`来设置4个进程读取数据。
|
|
|
|
|
|
``` python
|
|
|
batch_size = 256
|
|
|
if sys.platform.startswith('win'):
|
|
|
num_workers = 0 # 0表示不用额外的进程来加速读取数据
|
|
|
else:
|
|
|
num_workers = 4
|
|
|
train_iter = torch.utils.data.DataLoader(mnist_train, batch_size=batch_size, shuffle=True, num_workers=num_workers)
|
|
|
test_iter = torch.utils.data.DataLoader(mnist_test, batch_size=batch_size, shuffle=False, num_workers=num_workers)
|
|
|
```
|
|
|
|
|
|
我们将获取并读取Fashion-MNIST数据集的逻辑封装在`d2lzh_pytorch.load_data_fashion_mnist`函数中供后面章节调用。该函数将返回`train_iter`和`test_iter`两个变量。随着本书内容的不断深入，我们会进一步改进该函数。它的完整实现将在5.6节中描述。
|
|
|
|
|
|
最后我们查看读取一遍训练数据需要的时间。
|
|
|
|
|
|
``` python
|
|
|
start = time.time()
|
|
|
for X, y in train_iter:
|
|
|
continue
|
|
|
print('%.2f sec' % (time.time() - start))
|
|
|
```
|
|
|
输出：
|
|
|
```
|
|
|
1.57 sec
|
|
|
```
|
|
|
|
|
|
## 小结
|
|
|
|
|
|
* Fashion-MNIST是一个10类服饰分类数据集，之后章节里将使用它来检验不同算法的表现。
|
|
|
* 我们将高和宽分别为$h$和$w$像素的图像的形状记为$h \times w$或`(h，w)`。
|
|
|
|
|
|
## 参考文献
|
|
|
|
|
|
[1] LeCun, Y., Cortes, C., & Burges, C. http://yann.lecun.com/exdb/mnist/
|
|
|
|
|
|
[2] Xiao, H., Rasul, K., & Vollgraf, R. (2017). Fashion-mnist: a novel image dataset for benchmarking machine learning algorithms. arXiv preprint arXiv:1708.07747.
|
|
|
|
|
|
-----------
|
|
|
> 注：本节除了代码之外与原书基本相同，[原书传送门](https://zh.d2l.ai/chapter_deep-learning-basics/fashion-mnist.html) |
