.. _sec_fashion_mnist: 图像分类数据集 ============== 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`\ 。 .. raw:: latex \diilbookstyleinputcell .. code:: python %matplotlib inline import math import random import mlx.core as mx import mlx.data as dx import numpy as np from d2l import mlx 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。 .. raw:: latex \diilbookstyleinputcell .. code:: python mnist_train = dx.datasets.load_fashion_mnist(root="../data", train=True) mnist_test = dx.datasets.load_fashion_mnist(root="../data", train=False) 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。 .. raw:: latex \diilbookstyleinputcell .. code:: python len(mnist_train), len(mnist_test) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output (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\ :math:`h`\ 像素、宽度\ :math:`w`\ 像素图像的形状记为\ :math:`h \times w`\ 或（\ :math:`h`,\ :math:`w`\ ）。 .. raw:: latex \diilbookstyleinputcell .. code:: python mnist_train[0]["image"].shape .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output (28, 28, 1) 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。 .. raw:: latex \diilbookstyleinputcell .. code:: python 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.item())] for i in labels] 我们现在可以创建一个函数来可视化这些样本。 .. raw:: latex \diilbookstyleinputcell .. code:: python 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 type(img) == mx.array: # 图片张量 ax.imshow(np.array(img)) 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。 .. raw:: latex \diilbookstyleinputcell .. code:: python mnist_train_iter = ( mnist_train .shuffle() .to_stream() .batch(18) ) batch = next(mnist_train_iter) X, y = batch["image"], batch["label"] show_images(X, 2, 9, titles=get_fashion_mnist_labels(y)) .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output array([, , , , , , , , , , , , , , , , , ], dtype=object) .. figure:: output_image-classification-dataset_89a587_13_1.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。 .. raw:: latex \diilbookstyleinputcell .. code:: python batch_size = 256 train_iter = ( mnist_train .shuffle() .to_stream() .batch(batch_size) ) 我们看一下读取训练数据所需的时间。 .. raw:: latex \diilbookstyleinputcell .. code:: python timer = d2l.Timer() for X, y in train_iter: continue f'{timer.stop():.2f} sec' .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output '0.05 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。 .. raw:: latex \diilbookstyleinputcell .. code:: python 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""" mnist_train = dx.datasets.load_fashion_mnist(root="../data", train=True) mnist_test = dx.datasets.load_fashion_mnist(root="../data", train=False) is_resize_enabled = resize is not None and resize > 0 resize = 0 if not is_resize_enabled else resize # 与load_array一直，dict的key分别为"X"和"y" mnist_train_iter = ( mnist_train .shuffle() .image_resize_if(is_resize_enabled, "image", resize, resize) .key_transform("image", lambda x: x.astype("float32") / 255) .key_transform("label", lambda x: x.astype("int64")) .rename_key("image", "X") .rename_key("label", "y") .to_stream() .batch(batch_size) ) mnist_test_iter = ( mnist_test .image_resize_if(is_resize_enabled, "image", resize, resize) .key_transform("image", lambda x: x.astype("float32") / 255) .key_transform("label", lambda x: x.astype("int64")) .rename_key("image", "X") .rename_key("label", "y") .to_stream() .batch(batch_size) ) return (mnist_train_iter, mnist_test_iter) 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。 .. raw:: latex \diilbookstyleinputcell .. code:: python train_iter, test_iter = load_data_fashion_mnist(32, resize=64) for sample in train_iter: X, y = sample["X"], sample["y"] print(X.shape, X.dtype, y.shape, y.dtype) break .. raw:: latex \diilbookstyleoutputcell .. parsed-literal:: :class: output (32, 64, 64, 1) float32 (32,) 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\ :math:`h`\ 像素，宽度\ :math:`w`\ 像素图像的形状记为\ :math:`h \times w`\ 或（\ :math:`h`,\ :math:`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。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？