3.5 图像分类数据集

 1. 下载数据并将数据读到内存

 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。

mnist_train是一个torchvision.datasets.mnist.FashionMNIST类型(数据集类型？)的对象：

它是一个有60000张图片及其标签的数据集：

它的每一行是图片及其标签的整数值表示的有两个元素的元组：

2. 将数据集中的图片画出来

我们将这个数据集画出来：

 注意红框部分，是使用data.DataLoader()，以数据集和batch_size为参数来读取小批量的数据。在这里强调，data.DataLoader可以以小批量batch_size读取数据集，它的参数类型是数据集类型。

3. 读取小批量数据，并测试以小批量读完一边训练集所需的时间

注意在使用data.DataLoader()读取小批量数据时，可以加入参数num_workers=?来指定以几个进程来读取数据。

4. 封装读取数据集函数，方便以后使用

 注意这里面有一个resize，这意思是，我们以后的模型可能会需要不同尺寸的图片输入，可以用resize来改变尺寸。

注意：这个函数load_data_fashion_mnist()返回的是代表训练集和测试集的dataLoader，可以用train_iter以及test_iter来接住它。