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。
标签:DataLoader,读取数据,data,分类,小批量,3.5,图像,数据,mnist From: https://www.cnblogs.com/pkuqcy/p/17414940.html