当前位置: 首页 > news >正文

桂林市人力资源和社会保障局搜索引擎优化自然排名

桂林市人力资源和社会保障局,搜索引擎优化自然排名,seo搜索优化邵阳,河南建设银行招聘网站👨‍🎓作者简介:一位即将上大四,正专攻机器学习的保研er 🌌上期文章:机器学习&&深度学习——softmax回归(下) 📚订阅专栏:机器学习&&深度学习…

👨‍🎓作者简介:一位即将上大四,正专攻机器学习的保研er
🌌上期文章:机器学习&&深度学习——softmax回归(下)
📚订阅专栏:机器学习&&深度学习
希望文章对你们有所帮助

我们使用Fashion-MNIST数据集,来作为我们的图像分类数据集。

import torch
import torchvision
from torch.utils import data
from torchvision import transforms
from d2l import torch as d2ld2l.use_svg_display()  # 使用svg来显示图片,清晰度会更高一些

图像分类数据集

  • 读取数据集
  • 读取小批量
  • 整合所有组件

读取数据集

可以通过框架内的内置函数将数据集下载并读取到内存中。

# 通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式,
# 并除以255使得所有像素的数值均在0~1之间(归一化)
trans = transforms.ToTensor()
mnist_train = torchvision.datasets.FashionMNIST(root="D:/Python/pytorch/data", train=True, transform=trans, download=True)
mnist_test = torchvision.datasets.FashionMNIST(root="D:/Python/pytorch/data", train=False, transform=trans, download=True)

运行了好一会:
在这里插入图片描述
在这里插入图片描述

Fashion-MNIST由10个类别的图像组成, 每个类别由训练数据集中的6000张图像 和测试数据集中的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。

print(len(mnist_train), len(mnist_test))

输出:

60000 10000

每个输入图像的高度和宽度都为28像素。数据集由灰度图像组成,其通道数为1。

print(mnist_train[0][0].shape)

输出:

torch.Size([1, 28, 28])

为方便,之后的图像的形状都记为h×w。
Fashion-MNIST中包含的10个类别,包括T恤、裤子、外套等等。下面函数将会用于在数字标签索引及其文本名称之间进行转换。

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)] for i in labels]

现在可以创建一个函数来可视化这些样本:

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 torch.is_tensor(img):# 图片张量ax.imshow(img.numpy())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 axesX, y = next(iter(data.DataLoader(mnist_train, batch_size=18)))
show_images(X.reshape(18, 28, 28), 2, 9, titles=get_fashion_mnist_labels(y))
d2l.plt.show()

在这里插入图片描述

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0开始创建。在每次迭代时,数据加载起每次都会读取一小批量的数据,大小为batch_size。通过内置数据迭代器,我们可以随机打乱所有样本,从而无偏见地读取小批量。

batch_size = 256def get_dataloader_workers():  #@save"""使用4个进程来读取数据"""return 4train_iter = data.DataLoader(mnist_train, batch_size, shuffle=True,num_workers=get_dataloader_workers())

整合所有组件

先定义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。

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"""trans = [transforms.ToTensor()]if resize:trans.insert(0, transforms.Resize(resize))trans = transforms.Compose(trans)mnist_train = torchvision.datasets.FashionMNIST(root="D:/Python/pytorch/data", train=True, transform=trans, download=True)mnist_test = torchvision.datasets.FashionMNIST(root="D:/Python/pytorch/data", train=False, transform=trans, download=True)return (data.DataLoader(mnist_train, batch_size, shuffle=True,num_workers=get_dataloader_workers()),data.DataLoader(mnist_test, batch_size, shuffle=False,num_workers=get_dataloader_workers()))
http://www.zhongyajixie.com/news/41679.html

相关文章:

  • 怎么做产品的网站上海企业seo
  • 医院网站建设意义哪里有免费的网站推广
  • 门户地方网站 策略百度seo优化是做什么的
  • 上蔡县做彩票网站深圳网站优化公司
  • jsp网站开发小程序冯耀宗seo博客
  • 自己做网站犯法吗免费推广软件平台
  • 如何做推广自己网站网站百度收录查询
  • 黄冈市建设信息网站百度推广营销方案
  • 龙岗做网站全能搜
  • 网站访问慢 分析工具seo关键词优化经验技巧
  • 我国十大b2c网站长沙专业网站制作
  • 网站的投票 计数模块怎么做百度怎么做推广
  • 电子商务网站建设策划书的流程必应搜索引擎入口
  • 杭州网站建设很 棒好的网站或网页
  • 重庆网站建设模板百度通用网址
  • 如何查询网站的外链友情链接方面
  • 网站备案幕布申请郑州seo技术外包
  • 成都微信网站制作网站创建流程
  • 公司网站做的好的公司西安疫情最新消息1小时内
  • 保定百度推广电话seo怎么做最佳
  • 微信公众号手机网站开发网站推广 方法
  • 淘宝做的网站优化安卓手机优化软件排名
  • 网站店铺的图片怎么做的seo综合查询 站长工具
  • 经典语录网站做合格党员com网站域名注册
  • 大网站制作公司推广平台有哪些
  • 安康市城乡建设规划局 网站河南郑州最新消息
  • excel表格做网站牛推网络
  • 网站模板 寻模板360推广官网
  • 营销战略肇庆seo排名外包
  • 商城网站源码下载免费发布推广的网站