图像分类数据集（Fashion-MNIST）

最新推荐文章于 2020-11-20 19:34:55 发布

原创最新推荐文章于 2020-11-20 19:34:55 发布 · 1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#fashion_mnist

深度学习专栏收录该内容

23 篇文章

订阅专栏

本文介绍如何使用MXNet的Gluon库加载并预处理FashionMNIST数据集，包括数据集的获取、数据展示、创建数据迭代器等步骤。通过ToTensor()转换器将图像数据转化为张量，适用于深度学习模型输入。

部署运行你感兴趣的模型镜像

import d2lzh as d2l
from mxnet.gluon import data as gdata
import sys
import time

#获取数据
mnist_train=gdata.vision.FashionMNIST(train=True)
mnist_test=gdata.vision.FashionMNIST(train=False)

'''print(len(mnist_train),len(mnist_test))
feature,label=mnist_train[0]
print(feature.shape,feature.dtype)
print(label,type(label),label.dtype)'''

#输出训练数据集前9个样本
X,y=mnist_train[0:9]
d2l.show_fashion_mnist(X,d2l.get_fashion_mnist_labels(y))

batch_size=256
transformer=gdata.vision.transforms.ToTensor()
if sys.platform.startswith('win'):
    num_workers=0
else:
    num_workers=4
#transform_first把<NDArray 28x28x1 @cpu(0)>转化为<NDArray 1x28x28 @cpu(0)>
train_iter=gdata.DataLoader(mnist_train.transform_first(transformer),batch_size,shuffle=True,num_workers=num_workers)
test_iter=gdata.DataLoader(mnist_test.transform_first(transformer),batch_size,shuffle=True,num_workers=num_workers)

start=time.time()
for X,y in train_iter:
    continue
print("%.2f sec"%(time.time()-start))

在这里插入图片描述
mxnet程序中经常用的d2lzh包链接点击下载

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

图片生成

Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率