请我喝杯咖啡☕
*我的帖子解释了 fashion-mnist。
fashionmnist() 可以使用 fashion-mnist 数据集，如下所示：
*备忘录：
- 第一个参数是 root（必需类型：str 或 pathlib.path）。 *绝对或相对路径都是可能的。
- 第二个参数是 train(optional-default:true-type:bool)。 *如果为 true，则使用训练数据（60,000 张图像），如果为 false，则使用测试数据（10,000 张图像）。
- 第三个参数是transform(optional-default:none-type:callable)。
- 第四个参数是 target_transform(optional-default:none-type:callable)。
- 第五个参数是 download(optional-default:false-type:bool):
*备注：
- 如果为 true，则从互联网下载数据集并解压（解压）到根目录。
- 如果为 true 并且数据集已下载，则将其提取。
- 如果为 true 并且数据集已下载并提取，则不会发生任何事情。
- 如果数据集已经下载并提取，则应该为 false，因为它速度更快。
- 您可以手动下载并提取数据集（t10k-images-idx3-ubyte.gz、t10k-labels-idx1-ubyte.gz、train-images-idx3-ubyte.gz 和 train-labels-idx1-ubyte.gz）。 gz) 从这里到 data/fashionmnist/raw/。
from torchvision.datasets import FashionMNIST
train_data = FashionMNIST(
root="data"
)
train_data = FashionMNIST(
root="data",
train=True,
transform=None,
target_transform=None,
download=False
)
test_data = FashionMNIST(
root="data",
train=False
)
len(train_data), len(test_data)
# (60000, 10000)
train_data
# Dataset FashionMNIST
# Number of datapoints: 60000
# Root location: data
# Split: Train
train_data.root
# 'data'
train_data.train
# True
print(train_data.transform)
# None
print(train_data.target_transform)
# None
train_data.download
#
len(train_data.classes)
# 10
train_data.classes
# ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
# 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
train_data[0]
# (, 9)
train_data[1]
# (, 0)
train_data[2]
# (, 0)
train_data[3]
# (, 3)
train_data[4]
# (, 0)
import matplotlib.pyplot as plt
def show_images(data, main_title=None):
plt.figure(figsize=(8, 4))
plt.suptitle(t=main_title, y=1.0, fontsize=14)
for i, (image, label) in enumerate(data, 1):
plt.subplot(2, 5, i)
plt.tight_layout()
plt.title(label)
plt.imshow(image)
if i == 10:
break
plt.show()
show_images(data=train_data, main_title="train_data")
show_images(data=test_data, main_title="test_data")
