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
# <bound method MNIST.download of Dataset FashionMNIST
#     Number of datapoints: 60000
#     Root location: data
#     Split: Train>

len(train_data.classes)
# 10

train_data.classes
# ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
#  'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

train_data[0]
# (<PIL.Image.Image image mode=L size=28x28>, 9)

train_data[1]
# (<PIL.Image.Image image mode=L size=28x28>, 0)

train_data[2]
# (<PIL.Image.Image image mode=L size=28x28>, 0)

train_data[3]
# (<PIL.Image.Image image mode=L size=28x28>, 3)

train_data[4]
# (<PIL.Image.Image image mode=L size=28x28>, 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")

以上就是PyTorch 中的 FashionMNIST的详细内容，更多请关注php中文网其它相关文章！